Блог

У меня есть столбец с типом Timestamp с форматом yyyy-MM-dd HH:mm:ss во фрейме данных.

Столбец сортируется по времени, где более ранняя дата находится в более ранней строке

Когда я запустил эту команду

 List<Row> timeRows = df.withColumn(ts, df.col(ts).cast("long")).select(ts).collectAsList();
  

Я сталкиваюсь со странной проблемой, когда значение более поздней даты меньше, чем более ранняя дата. Пример:

 [670] : 1550967304 (2019-02-23 04:30:15)
[671] : 1420064100 (2019-02-24 08:15:04)
  

Это правильный способ преобразования в эпоху или есть другой способ?

Попробуйте использовать unix_timestamp для преобразования строки date time в метку времени. Согласно документу:

unix_timestamp (столбец s, строка p) Преобразует временную строку с заданным шаблоном (см. [http://docs.oracle.com/javase/tutorial/i18n/format/simpleDateFormat.html ]) в метку времени Unix (в секундах), возвращает null в случае сбоя.

 import org.apache.spark.functions._  

val format = "yyyy-MM-dd HH:mm:ss"
df.withColumn("epoch_sec", unix_timestamp($"ts", format)).select("epoch_sec").collectAsList()
  

Также смотрите https://jaceklaskowski.gitbooks.io/mastering-spark-sql/spark-sql-functions-datetime.html

Вы должны использовать встроенную функцию unix_timestamp() в org.apache.spark.sql.functions

https://spark.apache.org/docs/1.6.0/api/java/org/apache/spark/sql/functions.html#unix_timestamp ()

Я думаю, вы смотрите на использование: unix_timestamp()

Который вы можете импортировать из:

 import static org.apache.spark.sql.functions.unix_timestamp;
  

И используйте как:

 df = df.withColumn(
    "epoch",
    unix_timestamp(col("date")));
  

И вот полный пример, в котором я попытался имитировать ваш вариант использования:

 package net.jgp.books.spark.ch12.lab990_others;

import static org.apache.spark.sql.functions.col;
import static org.apache.spark.sql.functions.from_unixtime;
import static org.apache.spark.sql.functions.unix_timestamp;

import java.util.ArrayList;
import java.util.List;
import java.util.Random;

import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.RowFactory;
import org.apache.spark.sql.SparkSession;
import org.apache.spark.sql.types.DataTypes;
import org.apache.spark.sql.types.StructField;
import org.apache.spark.sql.types.StructType;

/**
 * Use of from_unixtime() and unix_timestamp().
 * 
 * @author jgp
 */
public class EpochTimestampConversionApp {

  /**
   * main() is your entry point to the application.
   * 
   * @param args
   */
  public static void main(String[] args) {
    EpochTimestampConversionApp app = new EpochTimestampConversionApp();
    app.start();
  }

  /**
   * The processing code.
   */
  private void start() {
    // Creates a session on a local master
    SparkSession spark = SparkSession.builder()
        .appName("expr()")
        .master("local")
        .getOrCreate();

    StructType schema = DataTypes.createStructType(new StructField[] {
        DataTypes.createStructField(
            "event",
            DataTypes.IntegerType,
            false),
        DataTypes.createStructField(
            "original_ts",
            DataTypes.StringType,
            false) });

    // Building a df with a sequence of chronological timestamps
    List<Row> rows = new ArrayList<>();
    long now = System.currentTimeMillis() / 1000;
    for (int i = 0; i < 1000; i  ) {
      rows.add(RowFactory.create(i, String.valueOf(now)));
      now  = new Random().nextInt(3)   1;
    }
    Dataset<Row> df = spark.createDataFrame(rows, schema);
    df.show();
    df.printSchema();

    // Turning the timestamps to Timestamp datatype
    df = df.withColumn(
        "date",
        from_unixtime(col("original_ts")).cast(DataTypes.TimestampType));
    df.show();
    df.printSchema();

    // Turning back the timestamps to epoch
    df = df.withColumn(
        "epoch",
        unix_timestamp(col("date")));
    df.show();
    df.printSchema();

    // Collecting the result and printing out
    List<Row> timeRows = df.collectAsList();
    for (Row r : timeRows) {
      System.out.printf("[%d] : %s (%s)n",
          r.getInt(0),
          r.getAs("epoch"),
          r.getAs("date"));
    }
  }
}
  

И результат должен быть:

 ...
[994] : 1551997326 (2019-03-07 14:22:06)
[995] : 1551997329 (2019-03-07 14:22:09)
[996] : 1551997330 (2019-03-07 14:22:10)
[997] : 1551997332 (2019-03-07 14:22:12)
[998] : 1551997333 (2019-03-07 14:22:13)
[999] : 1551997335 (2019-03-07 14:22:15)
  

Надеюсь, это поможет.