Как сравнить схему двух фреймов данных в операторе SQL?

Question

Существует много способов проверить схему двух фреймов данных в искре, например здесь . Но я хочу проверить схему двух фреймов данных только в SQL, я имею в виду SparkSQL.

Пример запроса 1:

SELECT DISTINCT target_person FROM INFORMATION_SCHEMA.COLUMNS WHERE COLUMN_NAME IN ('columnA','ColumnB') AND TABLE_SCHEMA='ad_facebook'

Пример запроса 2:

SELECT count(*) FROM information_schema.columns WHERE table_name = 'ad_facebook'

Я знаю, что в spark нет концепции базы данных (схемы), но я читал о metastore, что она содержит информацию о схеме и т. Д.

Можем ли мы писать SQL-запросы, как указано выше, в SparkSQL?

EDIT:

Я просто проверяю, почему show create table не работает на spark sql, потому что это временная таблица?

scala> val df1=spark.sql("SHOW SCHEMAS")
df1: org.apache.spark.sql.DataFrame = [databaseName: string]

scala> df1.show
+------------+
|databaseName|
+------------+
|     default|
+------------+


scala> val df2=spark.sql("SHOW TABLES in default")
df2: org.apache.spark.sql.DataFrame = [database: string, tableName: string ... 1 more field]

scala> df2.show
+--------+---------+-----------+
|database|tableName|isTemporary|
+--------+---------+-----------+
|        |       df|       true|
+--------+---------+-----------+


scala> val df3=spark.sql("SHOW CREATE TABLE default.df")
org.apache.spark.sql.catalyst.analysis.NoSuchTableException: Table or view 'df' not found in database 'default';
  at org.apache.spark.sql.catalyst.catalog.SessionCatalog.requireTableExists(SessionCatalog.scala:180)
  at org.apache.spark.sql.catalyst.catalog.SessionCatalog.getTableMetadata(SessionCatalog.scala:398)
  at org.apache.spark.sql.execution.command.ShowCreateTableCommand.run(tables.scala:834)
  at org.apache.spark.sql.execution.command.ExecutedCommandExec.sideEffectResult$lzycompute(commands.scala:58)
  at org.apache.spark.sql.execution.command.ExecutedCommandExec.sideEffectResult(commands.scala:56)
  at org.apache.spark.sql.execution.command.ExecutedCommandExec.executeCollect(commands.scala:67)
  at org.apache.spark.sql.Dataset.<init>(Dataset.scala:182)
  at org.apache.spark.sql.Dataset$.ofRows(Dataset.scala:67)
  at org.apache.spark.sql.SparkSession.sql(SparkSession.scala:623)
  ... 48 elided

Answer 1

Попробуйте этот код извлечения каждой схемы и сравнить. Это сравнивает имя столбца, тип данных столбца, обнуляемый или не столбец.

val x = df1.schema.sortBy(x => x.name) // get dataframe 1 schema and sort it base on column name.
val y = df2.schema.sortBy(x => x.name) // // get dataframe 2 schema and sort it base on column name.

val out = x.zip(y).filter(x => x._1 != x._2) // zipping 1st column of df1, df2 ...2nd column of df1,df2 and so on for all columns and their datatypes. And filtering if any mismatch is there

if(out.size == 0) { // size of `out` should be 0 if matching
    println("matching")
}
else println("not matching")

Answer 2

Мы можем получить схему двумя способами в SparkSQL.

Метод 1:

spark.sql("desc db_name table_name").show()

Это отобразит только 20 верхних строк, что в точности соответствует концепции df.show()

(имеется в виду любая таблица с более чем 20 столбцами - схема будет показана только для первых 20 столбцов)

Например:

+--------------------+---------+-------+
|            col_name|data_type|comment|
+--------------------+---------+-------+
|                col1|   bigint|   null|
|                col2|   string|   null|
|                col3|   string|   null|
+--------------------+---------+-------+

Метод 2:

spark.sql("desc db_name table_name").collect().foreach(println)

Будет отображена полная схема всех столбцов.

Например:

[col1,bigint,null]
[col2,string,null]
[col3,string,null]

Answer 3

Схема может быть запрошена с помощью DESCRIBE [EXTENDED] [db_name.]table_name

См. https://docs.databricks.com/spark/latest/spark-sql/index.html#spark-sql-language-manual