python - Spark 从 IBM Informix 数据库读取数据 "Not enough tokens are specified in the string representation of a date value"

Question

我尝试使用以下语法连接到 spark 中的 Informix 数据库。

jdbcDF = sqlContext.read.format("jdbc").option("url", "jdbc:informix-sqli://192.168.x.xx:xxxx/INFORMIXSERVER=online").option("dbtable", "informix.detail").option("user", "user").option("password", "xxxxxx").option('driver','com.informix.jdbc.IfxDriver').load()

连接成功，我可以看到数据框的架构。

jdbcDF.printSchema() 

   root
 |-- mobile_no: string (nullable = false)
 |-- subscriber_code: string (nullable = false)
 |-- connected_date: date (nullable = true)
 |-- disconnected_on: date (nullable = true)
 |-- att0: string (nullable = true)

但是当从数据框中检索数据时，

jdbcDF.show()

我收到以下错误。

Not enough tokens are specified in the string representation of a date value. "disconnected_on"

我在网上发现了同样的问题， IBM Knowledge Center 它说我需要更改 Informix 数据库中的数据库列，但在我的情况下这是不可能的。

在从 informix 表加载之前，他们有什么办法可以将“disconnected_on”字段转换为数据框中的字符串吗？

Answer 1

为了转换一个列，你可以使用cast()

https://spark.apache.org/docs/latest/api/python/pyspark.sql.html#pyspark.sql.Column.cast

>>> df.select(df.age.cast("string").alias('ages')).collect()
[Row(ages=u'2'), Row(ages=u'5')]

您可以使用 drop()

删除旧列

https://spark.apache.org/docs/latest/api/python/pyspark.sql.html

下降(*列)

Returns a new DataFrame that drops the specified column. This is a no-op if schema doesn’t contain the given column name(s).
Parameters: cols – a string name of the column to drop, or a Column to drop, or a list of string name of the columns to drop.

>>> df.drop('age').collect()
[Row(name=u'Alice'), Row(name=u'Bob')]

>>> df.drop(df.age).collect()
[Row(name=u'Alice'), Row(name=u'Bob')]

结合这两个函数，您可以添加一个新列disconnected_on_str，即disconnected_on cast to be string，并删除旧列disconnected_on:

jdbcDF_cast = jdbcDF.withColumn("disconnected_on_str", jdbcDF["disconnected_on"].cast("string")).drop("disconnected_on")