Spark 2.3 (Scala) - 将时间戳列从 UTC 转换为另一列中指定的时区

Question

我有一个包含如下数据的数据框：

    +----------------------+------------+
    | utc_timestamp        | tz_locale  |
    +----------------------+------------+
    |2021-07-16T10:00:00Z  | US/Eastern |
    |2021-07-19T15:00:00Z  | US/Central |
    +----------------------+------------+

我想根据 tz_locale 列中的值将时间戳从 UTC (TZ 0) 转换为当地时间：

    +--------------------------+------------+
    | utc_timestamp            | tz_locale  |
    +--------------------------+------------+
    |2021-07-16T06:00:00-04:00 | US/Eastern |
    |2020-12-19T09:00:00-06:00 | US/Central |
    +--------------------------+------------+

我试着这样写：

val new_df = df.withColumn("utc_timestamp", from_utc_timestamp(df.col("utc_timestamp"), df.col("tz_locale")))

看来 from_utc_timestamp 需要一个字符串常量作为第二个参数，因此它显然只能将整个列转换为同一时区。但是我需要根据该行中另一列的值动态转换每一行。

我认为这在较新版本的 Spark 中是可能的（from_utc_timestamp 被采用 (DataFrame.col, DataFrame.col) 的版本重载），但我使用的是 2.3，无法升级。这如何在 Spark 2.3 中完成？这似乎是一项相当常见的任务，但我无法弄清楚，也无法使用搜索找到任何内容。

Answer 1

对于 Spark 2.3 或更早版本，您可以通过 expr:

使用类型约束较少的 SQL 表达式

df.withColumn("utc_timestamp", expr("from_utc_timestamp(utc_timestamp, tz_locale)")).show

+-------------------+----------+
|      utc_timestamp| tz_locale|
+-------------------+----------+
|2021-07-15 23:00:00|US/Eastern|
|2021-07-19 03:00:00|US/Central|
+-------------------+----------+

Spark 2.3 (Scala) - 将时间戳列从 UTC 转换为另一列中指定的时区

Spark 2.3 (Scala) - Convert a timestamp column from UTC to timezone specified in another column

scala

timestamp-with-timezone

apache-spark

apache-spark-sql