scala - Spark SQL : How to append new row to dataframe table (from another table)

Question

我正在将 Spark SQL 与数据帧一起使用。我有一个输入数据框，我想将其行附加(或插入)到具有更多列的更大数据框。我该怎么做呢？

如果这是 SQL，我会使用 INSERT INTO OUTPUT SELECT ... FROM INPUT，但我不知道如何使用 Spark SQL 来做到这一点。

具体而言:

var input = sqlContext.createDataFrame(Seq(
        (10L, "Joe Doe", 34),
        (11L, "Jane Doe", 31),
        (12L, "Alice Jones", 25)
        )).toDF("id", "name", "age")

var output = sqlContext.createDataFrame(Seq(
        (0L, "Jack Smith", 41, "yes", 1459204800L),
        (1L, "Jane Jones", 22, "no", 1459294200L),
        (2L, "Alice Smith", 31, "", 1459595700L)
        )).toDF("id", "name", "age", "init", "ts")


scala> input.show()
+---+-----------+---+
| id|       name|age|
+---+-----------+---+
| 10|    Joe Doe| 34|
| 11|   Jane Doe| 31|
| 12|Alice Jones| 25|
+---+-----------+---+

scala> input.printSchema()
root
 |-- id: long (nullable = false)
 |-- name: string (nullable = true)
 |-- age: integer (nullable = false)


scala> output.show()
+---+-----------+---+----+----------+
| id|       name|age|init|        ts|
+---+-----------+---+----+----------+
|  0| Jack Smith| 41| yes|1459204800|
|  1| Jane Jones| 22|  no|1459294200|
|  2|Alice Smith| 31|    |1459595700|
+---+-----------+---+----+----------+

scala> output.printSchema()
root
 |-- id: long (nullable = false)
 |-- name: string (nullable = true)
 |-- age: integer (nullable = false)
 |-- init: string (nullable = true)
 |-- ts: long (nullable = false)

我想将输入的所有行附加到输出的末尾。同时，我想将 init 的 output 列设置为空字符串 '' 和 ts 列是当前时间戳，例如1461883875L。

如有任何帮助，我们将不胜感激。

Answer 1

Spark DataFrames 是不可变的，因此不可能追加/插入行。相反，您可以只添加缺少的列并使用 UNION ALL:

output.unionAll(input.select($"*", lit(""), current_timestamp.cast("long")))