SPARK Structured Streaming 中是否存在关于 StructField 的错误

Question

当我尝试这个时：

cfg = SparkConf().setAppName('MyApp')
spark = SparkSession.builder.config(conf=cfg).getOrCreate()

lines = spark.readStream.load(format='socket', host='localhost', port=9999,
                              schema=StructType(StructField('value', StringType, True)))
words = lines.groupBy('value').count()
query = words.writeStream.format('console').outputMode("complete").start()

query.awaitTermination()

然后我得到一些错误：

AssertionError: dataType should be DataType

然后我在 ./pyspark/sql/types.py 的第 403 行搜索源代码：

assert isinstance(dataType, DataType), "dataType should be DataType"

但是StringType基于AtomicType不是 DataType

class StringType(AtomicType):
    """String data type.
    """

    __metaclass__ = DataTypeSingleton

所以有错吗？

Answer 1

在Python中DataTypes不作为单例使用。创建 StructField 时，您必须使用一个实例。另外 StructType 需要一系列 StructField:

StructType([StructField('value', StringType(), True)])

然而，这在这里完全没有意义。 TextSocketSource 的架构，带有架构参数。