SparkSQL and UDT

Question

我尝试使用SparkSQL（v.1.3.0）来访问PostgreSQL数据库。在这个数据库中，我有一个表

CREATE TABLE test (
 id bigint,
 values double precision[]
);

为了访问表，我使用

val sparkConf = new SparkConf().setAppName("TestRead").setMaster("local[2]")
val sc = new SparkContext(sparkConf)
val sqlContext = new SQLContext(sc)
val jdbcDF = sqlContext.load("jdbc", Map(
  "url" -> "jdbc:postgresql://...",
  "dbtable" -> "schema.test",
  "user" -> "...",
  "password" -> "..."))
sqlContext.sql("SELECT * FROM schema.test")

但是，每次我尝试访问包含此数组的表时，我都会得到一个java.sql.SQLException: Unsupported type 2003.

我在 Spark 测试代码中找到了一个示例，该示例在 Spark 中为二维点创建 UDT（请参阅 ExamplePointUDT.scala）。但是，我不明白我怎么可能使用此代码。

Answer 1

这至少可以在 pyspark 中通过在查询内部进行转换来实现。不要让不受支持的类型达到 Spark，将它们投射到您的数据库中，然后在获取表后重新投射它们。

我不确定语法是否正确，但它会像这样：

val query_table = "(SELECT id, CAST(values AS TEXT) FROM schema.test) AS casted_table"
val jdbcDF = sqlContext.load("jdbc", Map(
  "url" -> "jdbc:postgresql://...",
  "dbtable" -> query_table,
  "user" -> "...",
  "password" -> "..."))
jdbcDF.map(x => (x.id, x.values.toArray))

我很确定没有.toArray可以将字符串表示形式转换回数组，它只是占位符代码。但现在只是正确解析它的问题。

当然，这只是一个补丁，但它有效。