配置单元的日期和时间戳数据类型的Spark csv数据验证失败

配置单元表架构：

c_date                  date                                        
c_timestamp             timestamp   

这是文本表

配置单元表数据：

hive> select * from all_datetime_types;
OK
0001-01-01  0001-01-01 00:00:00.000000001
9999-12-31  9999-12-31 23:59:59.999999999

spark作业后获得的csv：

c_date,c_timestamp
0001-01-01 00:00:00.0,0001-01-01 00:00:00.0
9999-12-31 00:00:00.0,9999-12-31 23:59:59.999

问题：

• 日期类型中添加了

  00:00:00.0

• 时间戳被截断为毫秒精度

有用代码：

SparkConf conf = new SparkConf(true).setMaster("yarn-cluster").setAppName("SAMPLE_APP");
SparkContext sc = new SparkContext(conf);
HiveContext hc = new HiveContext(sc);
DataFrame df = hc.table("testdb.all_datetime_types");
df.printSchema();
DataFrameWriter writer = df.repartition(1).write();
writer.format("com.databricks.spark.csv").option("header", "true").save(outputHdfsFile);

---

我知道

dateFormat

选项。但是

date

和

timestamp

列在配置单元中可以有不同的格式

---

我可以简单地将所有列转换为字符串吗？

您可以使用spark中的

timestampFormat

选项指定时间戳格式

spark.read.option("timestampFormat", "MM/dd/yyyy h:mm:ss a").csv("path")

---

Spark支持高达纳秒的时间戳精度。您可以尝试映射日期和时间戳列，如下所示

DataFrame df = hiveContext.sql("select from_unixtime(unix_timestamp(date, 'yyyy-MM-dd'),'yyyy-MM-dd'), from_unixtime(unix_timestamp(timestamp, 'yyyy-MM-dd HH:mm:ss.SSSSSS'),'yyyy-MM-dd HH:mm:ss.SSSSSS') from table")

---

谢谢你的回复！但是我不能像我在问题的最后提到的那样使用硬编码的时间戳格式。有没有办法在spark 1.6中存储纳秒时间戳？您提到的日期和时间戳有不同的格式，您可以同时使用它们。您可以共享

df.printSchema（）

的输出吗？