spark sql日期间隔sql查询不工作

Question

我的目标是每天每15分钟显示一次数据（由csv文件提供）。

我提出的解决方案是一个sql查询，它正在创建我需要的数据：

select 
    dateadd(minute, datediff(minute, 0, cast ([date] + ' ' + [time] as datetime2) ) / 15 * 15, 0) as dateInterval,
    SecurityDesc,
    StartPrice,
    SUM(CAST(TradedVolume as decimal(18,2))) as totalTradedVolume,
    SUM(cast(NumberOfTrades as int)) as totalNumberOfTrades,
    ROW_NUMBER() over(PARTITION BY dateadd(minute, datediff(minute, 0, cast ([date] + ' ' + [time] as datetime) ) / 15 * 15, 0) ORDER BY Date) as rn
from MyTable
group by [date],[time],SecurityDesc,StartPrice

但是一旦我想在Spark python代码中使用它，它就会抱怨datediff/dateadd，甚至强制转换为dateTime。

from pyspark import SparkContext, SparkConf
from pyspark.sql import SQLContext
from pyspark.sql import Row
import pyspark.sql.functions as F
from datetime import datetime as d
from pyspark.sql.functions import datediff, to_date, lit

Answer 1

您已经用别名导入了函数（我认为这是一个很好的做法）：

import pyspark.sql.functions as F

这意味着您需要使用f变量来使用导入的函数，如f.to_date。您使用的函数是SQL查询函数，不属于pyspark.SQL.functions中可用的实际函数（请参阅此处的文档以获得可用函数列表）

为了解决您在Spark中的问题，我将使用一个dataFrame，然后使用Spark函数计算结果。