Spark Avro 以在数字字段中写入空值

Question

我正在将 Spark 数据帧保存为镶木地板文件，并且数据帧具有从 avro 对象构建的行。完全相同的确切代码在这里 - https://stackoverflow.com/a/41491999/2440775

我

面临的挑战是，当传入数据中缺少整数字段时，我打算能够具有空值。Avro 似乎通过使用联合类型允许这样做，但是当我没有在 avsc 中指定默认值或指定默认值"null"时，我会收到如下错误：

Caused by: org.apache.avro.AvroRuntimeException: Field xxx type:LONG pos:7 not set and has no default value
    at org.apache.avro.generic.GenericData.getDefaultValue(GenericData.java:984)
    at org.apache.avro.data.RecordBuilderBase.defaultValue(RecordBuilderBase.java:135)
Or
Caused by: org.apache.avro.AvroRuntimeException: Field xxx type:UNION pos:7 not set and has no default value
    at org.apache.avro.generic.GenericData.getDefaultValue(GenericData.java:984)
    at org.apache.avro.data.RecordBuilderBase.defaultValue(RecordBuilderBase.java:135)

如果我写默认值"0"，它保存AsParquet效果很好

我还尝试将 avro 规范更改为首先具有"null"类型，因为联合选择第一个元素的类型。

"type": ["null","long"], "default": null

这会导致异常，如下所示：

org.apache.spark.SparkException: Job aborted due to stage failure: Task 0 in stage 0.0 failed 1 times, most recent failure: Lost task 0.0 in stage 0.0 (TID 0, localhost): java.lang.ClassCastException: java.lang.String cannot be cast to java.lang.Long

更改 avro 架构中长整型和 null 的顺序会导致以下异常

由以下原因引起：org.apache.avro.AvroType异常：长整型的非数字默认值：null

Answer 1

我没有

这样的解决方案，但找到了解决方法。我从 avro 对象构建 Row 的方式是从 avro 对象创建一个列表，然后对其执行 Row.fromSeq。解决方法检查默认值 0 和数据类型为 int 或 long。在默认值的情况下，改为添加 null。因此，在选择默认值时必须小心。

public static List avroToList(AvroData a) throws UnsupportedEncodingException{
        List l = new ArrayList<>();
        for (Schema.Field f : a.getSchema().getFields()) {
            Object value = a.get(f.name());
            if (value == null) {
                l.add(null);
            }
            else {
                switch (f.schema().getType().getName()){
                    case "union":
                        l.add(value.toString());
                        break;
                    case "int":
                        if(value == 0) {l.add(null);}
                        else {l.add(Integer.valueOf(value.toString()));}
                      break;
                    case "long":
                        if(value == 0L) {l.add(null);}
                        else {l.add(Long.valueOf(value.toString()));}
                        break;
                    default:l.add(value);
                        break;
                }
            }
        }
        return l;
    }

该 avsc 文件具有如下类型信息

"type": "long",  "default": 0