Spark 数据集:表数据与创建它的视图不完全相同

Question

我的代码与此完全相同。此处仅更改了变量和表名称。请忽略键入过程中的任何语法错误。原始代码编译成功。

------法典------

Dataset<Row> test = sqlContext.sql("select * from test_table");
test.createOrReplaceTempView("temp_view_test");
sqlContext.sql("drop table if exist new_table");
sqlContext.sql("create table new_table as select * from temp_view_test");
//Code to print counts
//count if dataset
System.out.println("test count:"+test.count());
//count of temp view
Dataset<Row> tempViewTestData = sqlContext.sql("select * from temp_view_test");
System.out.println("temp view count: "+tempViewTestData.count());
//count of newly created table
Dataset<Row> newTableData = sqlContext.sql("select * from new_table");
System.out.println("New Table count: "+newTableData .count());

-----输出----

测试次数：9422720临时视图计数：9422720新表计数：9520364

-----问题-----

我的问题是为什么新表的计数与临时视图的计数不同。我应该怎么做才能使两个计数相同。

Answer 1

终于我找到了解决方案。这是因为数据集中存在日语字符。如果出现类似的问题，可以考虑这一点。