在Spark Dataframe API中将出生日期转换为年龄

Question

这似乎很简单，但我找不到答案。我正在尝试将以下日期格式的出生日期列转换为Spark Dataframe
API中的日期格式，然后计算相应的年龄。我可能还需要系统日期。我发现一些Java库可能有用，但在将其与DataFrame API结合使用时仍然遇到一些困难。

23-AUG-67
28-FEB-66
09-APR-59

2015年9月10日编辑 ：我刚刚发现Spark
1.5.0添加了“日期时间功能”，这将在以后在此处发布1.5.0时提供帮助。不幸的是，它不适用于AWS
EMR中的当前spark版本。

*2015年9月10日 *晚上编辑 ：我可以使用以下代码将出生日期转换为年龄。
请注意，该getYear()功能已被弃用，但据我所知，它们可以正常工作。

import java.sql.Date
import java.text.SimpleDateFormat
import org.apache.spark.sql.SQLContext

val sqlsc= new SQLContext(sc)

val epoch = System.currentTimeMillis
val curDate = new Date(epoch)
val dtFormat = new SimpleDateFormat("dd-MMM-yy")

val dobToAge = udf( (dob: String) => {
  val javaUtilDate = dtFormat.parse(dob)
  val sqlDate = new Date(javaUtilDate.getTime())
  curDate.getYear - sqlDate.getYear
})

inputdata.withColumn("AGE", dobToAge('dob))

Answer 1

与其使用java.util.Date的getXXX方法，不如使用java.util.Calendar。

同样，您的解决方案并非在所有情况下都有效。如果某人于1976年12月31日出生，那么他的年龄将被计算为2015-1976 =
39，即使在2015年1月1日，他将几乎整整39岁。

您应该使用如下所示的计算方法：http : //howtodoinjava.com/2014/05/26/java-
code-to-calculate-age-from-date-of-
birth/（将Java代码转换为Scala应该问题不大）。