Spark 2.3 时间戳减去毫秒

Question

我正在使用 Spark 2.3，我已经阅读它不支持时间戳毫秒（仅在 2.4+ 中），但我正在寻找有关如何做我需要做的事情的想法。

我正在处理的数据将日期存储为 Parquet 文件中的字符串数据类型，格式为：2021-07-09T01:41:58Z

我需要从中减去一毫秒。如果是 Spark 2.4，我想我可以这样做：

to_timestamp(col("sourceStartTimestamp")) - expr("INTERVAL 0.001 SECONDS")

但是因为它是 Spark 2.3，所以没有任何作用。我确认它可以减去 1 秒，但它会忽略任何小于一秒的值。

任何人都可以建议在 Spark 2.3 中如何执行此操作的解决方法吗？最终，如果有任何不同，结果将需要是 String 数据类型。

Answer 1

由于 Spark 2.3（或更低版本）不支持毫秒时间戳，请考虑使用采用增量毫秒和日期格式的 UDF 来使用 java.time 的 plusNanos():

def getMillisTS(delta: Long, fmt: String = "yyyy-MM-dd HH:mm:ss.SSS") = udf{
  (ts: java.sql.Timestamp) =>
    import java.time.format.DateTimeFormatter
    ts.toLocalDateTime.plusNanos(delta * 1000000).format(DateTimeFormatter.ofPattern(fmt))
}

测试-运行 UDF：

val df = Seq("2021-01-01 00:00:00", "2021-02-15 12:30:00").toDF("ts")

df.withColumn("millisTS", getMillisTS(-1)($"ts")).show(false)
/*
+-------------------+-----------------------+
|ts                 |millisTS               |
+-------------------+-----------------------+
|2021-01-01 00:00:00|2020-12-31 23:59:59.999|
|2021-02-15 12:30:00|2021-02-15 12:29:59.999|
+-------------------+-----------------------+
*/

df.withColumn("millisTS", getMillisTS(5000)($"ts")).show(false)
/*
+-------------------+-----------------------+
|ts                 |millisTS               |
+-------------------+-----------------------+
|2021-01-01 00:00:00|2021-01-01 00:00:05.000|
|2021-02-15 12:30:00|2021-02-15 12:30:05.000|
+-------------------+-----------------------+
*/

val df = Seq("2021-01-01T00:00:00Z", "2021-02-15T12:30:00Z").toDF("ts")

df.withColumn(
    "millisTS",
    getMillisTS(-1, "yyyy-MM-dd'T'HH:mm:ss.SSS'Z'")(to_timestamp($"ts", "yyyy-MM-dd'T'HH:mm:ss'Z'"))
  ).show(false)
/*
+-------------------+------------------------+
|ts                 |millisTS                |
+-------------------+------------------------+
|2021-01-01 00:00:00|2020-12-31T23:59:59.999Z|
|2021-02-15 12:30:00|2021-02-15T12:29:59.999Z|
+-------------------+------------------------+
*/

Spark 2.3 时间戳减去毫秒

Spark 2.3 timestamp subtract milliseconds

apache-spark

timestamp

milliseconds