apache-spark - pyspark 数据框列 : Hive column

Question

我有一个 Hive 表如下:

hive> describe stock_quote;
OK
tickerid                string                                      
tradeday                string                                      
tradetime               string                                      
openprice               string                                      
highprice               string                                      
lowprice                string                                      
closeprice              string                                      
volume                  string

Spark 的以下代码读取 csv 文件并尝试将记录插入到 Hive 表中:

sc = spark.sparkContext
lines = sc.textFile('file:///<File Location>')
rows = lines.map(lambda line : line.split(','))
rows_map = rows.map(lambda row : Row(TickerId = row[0], TradeDay = row[1], TradeTime = row[2], OpenPrice = row[3], HighPrice = row[4], LowPrice = row[5], ClosePrice = row[6], Volume = row[7]))
rows_df = spark.createDataFrame(rows_map)
rows_df.write.mode('append').insertInto('default.stock_quote')

我面临的问题是，当我在数据帧上调用 show() 函数时，它会按字母顺序打印列，如下所示

|ClosePrice|HighPrice|LowPrice|OpenPrice|TickerId|TradeDay|TradeTime|Volume|

，在表中，它在 TickerId(Hive 表中的第 1 列)列中插入 ClosePrice(DF 中的第 1 列)的值，在 TradeDay 列中插入 HighPrice 的值等等。

尝试调用 dataframe 上的 select() 函数，没有帮助。试图将列名列表如下:

rows_df = spark.createDataFrame(rows_map, ["TickerId", "TradeDay", "TradeTime", "OpenPrice", "HighPrice", "LowPrice", "ClosePrice", "Volume"])

上面改变了列名的顺序，但值保持在相同的位置，这更不正确。

我们将不胜感激任何帮助。

Answer 1

您还可以使用 saveAsTable 代替 insertInto

来自docs :

Unlike insertInto, saveAsTable will use the column names to find the correct column positions