我在spark sql中使用了show partitions,它为我提供了以下内容:
year=2019/month=1/day=21
year=2019/month=1/day=22
year=2019/month=1/day=23
year=2019/month=1/day=24
year=2019/month=1/day=25
year=2019/month=1/day=26
year=2019/month=2/day=27
part_year=2019
part_month=1
part_day=29
我已经使用了:
val overwrite2 = overwrite.select(col("partition",8,8) as year
我从中得到了
2019/month
为了删除它,我使用了另一个dataframe,其中我使用regex_replace
将month替换为空,这样就创建了另一个dataframe。
这反过来又产生了大量的开销。我想要的是所有这些步骤都在一个数据帧中完成,这样我就可以得到结果数据帧如下:
part_year=2019
part_month=2
part_day=27
其中最新的分区被拾取。
发布于 2019-05-27 15:38:12
问题:如何从年、月、日分区列列表中提取最新/最近的分区
1)我需要提取最新的分区。
2)我需要将年、月和日分开,这样我就可以在另一个数据帧中使用它作为变量。
isAfter
进行排序来使用joda api DateTime
来获得最新的分区,如下所示。在spark.sql(s"show Partitions $yourtablename")
之后,你将得到一个数据帧collect
,因为它的数据很小,没有问题。
收集数据帧分区后,您将获得如下所示的数组
val x = Array(
"year=2019/month=1/day=21",
"year=2019/month=1/day=22",
"year=2019/month=1/day=23",
"year=2019/month=1/day=24",
"year=2019/month=1/day=25",
"year=2019/month=1/day=26",
"year=2019/month=2/day=27"
)
val finalPartitions = listKeys()
import org.joda.time.DateTime
def listKeys(): Seq[Map[String, DateTime]] = {
val keys: Seq[DateTime] = x.map(row => {
println(s" Identified Key: ${row.toString()}")
DateTime.parse(row.replaceAll("/", "")
.replaceAll("year=", "")
.replaceAll("month=", "-")
.replaceAll("day=", "-")
)
})
.toSeq
println(keys)
println(s"Fetched ${keys.size} ")
val myPartitions: Seq[Map[String, DateTime]] = keys.map(key => Map("businessdate" -> key))
myPartitions
}
val mapWithMostRecentBusinessDate = finalPartitions.sortWith(
(a, b) => a("businessdate").isAfter(b("businessdate"))
).head
println(mapWithMostRecentBusinessDate)
val latest: Option[DateTime] = mapWithMostRecentBusinessDate.get("businessdate")
val year = latest.get.getYear();
val month = latest.get.getMonthOfYear();
val day = latest.get.getDayOfMonth();
println("latest year "+ year + " latest month " + month + " latest day " + day)
最终结果:即您最近的日期是2019-02-27
,基于此,您可以以优化的方式查询配置单元数据。
Identified Key: year=2019/month=1/day=22
Identified Key: year=2019/month=1/day=23
Identified Key: year=2019/month=1/day=24
Identified Key: year=2019/month=1/day=25
Identified Key: year=2019/month=1/day=26
Identified Key: year=2019/month=2/day=27
WrappedArray(2019-01-21T00:00:00.000-06:00, 2019-01-22T00:00:00.000-06:00, 2019-01-23T00:00:00.000-06:00, 2019-01-24T00:00:00.000-06:00, 2019-01-25T00:00:00.000-06:00, 2019-01-26T00:00:00.000-06:00, 2019-02-27T00:00:00.000-06:00)
Fetched 7
Map(businessdate -> 2019-02-27T00:00:00.000-06:00)
latest year 2019 latest month 2 latest day 27
https://stackoverflow.com/questions/56319532
复制相似问题