java - Spark scala 模式在加载时未强制执行

Question

这个问题已经有答案了:

Spark DataFrame Schema Nullable Fields (1 个回答)

已关闭 4 年前。

我正在 Spark shell 上尝试 Spark scala 示例，如下所示；

val myManualSchema = StructType(Array(StructField("DEST_COUNTRY_NAME", StringType, true), 
StructField("ORIGIN_COUNTRY_NAME",StringType
, true), StructField("count", LongType, nullable=false)))

val dfNew = spark.read.format("json").schema(myManualSchema).load("/test.json")

dfNew.printSchema()

我得到的输出如下；

root
|-- DEST_COUNTRY_NAME: string (nullable = true)
|-- ORIGIN_COUNTRY_NAME: string (nullable = true)
|-- count: long (nullable = true)

我期待的是 count栏目为nullable=false但它似乎没有得到执行。然而，当我从这个 DataFrame 创建一个新的 DataFrame 并在那里设置架构时，它就可以工作了。这就是我所做的；

val dfSchemaTest = spark.createDataFrame(dfNew.rdd,myManualSchema)

scala> dfSchemaTest.printSchema()
root
 |-- DEST_COUNTRY_NAME: string (nullable = true)
 |-- ORIGIN_COUNTRY_NAME: string (nullable = true)
 |-- count: long (nullable = false)

如果有人能在下面指出我在加载数据文件时未强制执行架构的错误，我将不胜感激。

Answer 1

没有什么可以做的，因为可空性是由文件格式强制执行的。这正是 Spark 所做的 - 如果数据源无法确保该列不为 null，则 DataFrame 在读取时也无法确保。