pyspark sql с учетом - PullRequest
Новая
       6

pyspark sql с учетом

1 голос
/ 22 марта 2020

Я пытаюсь выбрать все кодыВОЗНАЧНОГО ХОЗЯЙСТВА из таблиц Warehouses и Boxes так, чтобы Warehouse.capacity было меньше Boxes.count_of_boxes.

SQL Запрос, который работает в postgresql 

select w.code
from Warehouses w
join Boxes b
on w.code = b.warehouse
group by w.code
having count(b.code) > w.capacity

Но тот же запрос не работает в pyspark 

spark.sql("""
select w.code
from Warehouses w
join Boxes b
on w.code = b.warehouse
group by w.code
having count(b.code) > w.capacity

""").show()

Как исправить код?

SETUP 

import numpy as np
import pandas as pd


# pyspark
import pyspark
from pyspark.sql import functions as F 
from pyspark.sql.types import *
from pyspark import SparkConf, SparkContext, SQLContext


spark = pyspark.sql.SparkSession.builder.appName('app').getOrCreate()
sc = spark.sparkContext
sqlContext = SQLContext(sc)
sc.setLogLevel("INFO")


# warehouse
dfw = pd.DataFrame({'code': [1, 2, 3, 4, 5],
          'location': ['Chicago', 'Chicago', 'New York', 'Los Angeles', 'San Francisco'],
          'capacity': [3, 4, 7, 2, 8]})

schema = StructType([
    StructField('code',IntegerType(),True),
    StructField('location',StringType(),True),
    StructField('capacity',IntegerType(),True),
    ])

sdfw = sqlContext.createDataFrame(dfw, schema)
sdfw.createOrReplaceTempView("Warehouses")


# box
dfb = pd.DataFrame({'code': ['0MN7', '4H8P', '4RT3', '7G3H', '8JN6', '8Y6U', '9J6F', 'LL08', 'P0H6', 'P2T6', 'TU55'],
          'contents': ['Rocks', 'Rocks', 'Scissors', 'Rocks', 'Papers', 'Papers', 'Papers', 'Rocks', 'Scissors', 'Scissors', 'Papers'],
          'value': [180.0, 250.0, 190.0, 200.0, 75.0, 50.0, 175.0, 140.0, 125.0, 150.0, 90.0],
          'warehouse': [3, 1, 4, 1, 1, 3, 2, 4, 1, 2, 5]})

schema = StructType([
    StructField('code',StringType(),True),
    StructField('contents',StringType(),True),
    StructField('value',FloatType(),True),
    StructField('warehouse',IntegerType(),True),

    ])

sdfb = sqlContext.createDataFrame(dfb, schema)
sdfb.createOrReplaceTempView("Boxes")

spark.sql("""
select w.code
from Warehouses w
join Boxes b
on w.code = b.warehouse
group by w.code
having count(b.code) > w.capacity

""").show()

Ответы [ 2 ]

2 голосов
/ 22 марта 2020

Попробуй это. Ошибка в том, что искра не может найти емкость, поскольку она не включена в функцию агрегирования. First должен сделать это для вас.:

1003 *
1 голос
/ 22 марта 2020

Как исправить код?

Возможно, проблема не в вашем коде.

Проверьте версию из Java JDK, которую вы используете. Что я знаю, так это то, что spark.sql().show() не совместим с Java JDK версии 11. Если вы используете эту версию, просто выполните обновление до версии 8 (также правильно настраивая переменную окружения для JDK 8).

...