Hadoop 两个约会时间之间的火花/蜂巢时间
我想知道如何精确地获得spark中两个datetimes之间的小时数 有一个名为Hadoop 两个约会时间之间的火花/蜂巢时间,hadoop,apache-spark,hive,pyspark,Hadoop,Apache Spark,Hive,Pyspark,我想知道如何精确地获得spark中两个datetimes之间的小时数 有一个名为datediff的函数,我可以使用它来获取天数,然后将其转换为小时,但这并不像我希望的那样精确 根据datediff建模的示例: >>> df = sqlContext.createDataFrame([('2016-04-18 21:18:18','2016-04-19 19:15:00')], ['d1', 'd2']) >>> df.select(hourdiff(df.d2
datediff
的函数,我可以使用它来获取天数,然后将其转换为小时,但这并不像我希望的那样精确
根据datediff
建模的示例:
>>> df = sqlContext.createDataFrame([('2016-04-18 21:18:18','2016-04-19 19:15:00')], ['d1', 'd2'])
>>> df.select(hourdiff(df.d2, df.d1).alias('diff')).collect()
[Row(diff=22)]
尝试使用UDF这里是示例代码,您可以修改UDF以返回您想要的粒度
from pyspark.sql.functions import udf, col
from datetime import datetime, timedelta
from pyspark.sql.types import LongType
def timediff_x():
def _timediff_x(date1, date2):
date11 = datetime.strptime(date1, '%Y-%m-%d %H:%M:%S')
date22 = datetime.strptime(date2, '%Y-%m-%d %H:%M:%S')
return (date11 - date22).days
return udf(_timediff_x, LongType())
df = sqlContext.createDataFrame([('2016-04-18 21:18:18','2016-04-25 19:15:00')], ['d1', 'd2'])
df.select(timediff_x()(col("d2"), col("d1"))).show()
+----------------------------+
|PythonUDF#_timediff_x(d2,d1)|
+----------------------------+
| 6|
+----------------------------+
如果列的类型为
TimestampType()
,则可以使用以下问题的答案:
但是,如果列的类型为StringType()
,则有一个选项比使用内置的:
从pyspark.sql.functions导入*
diffCol=unix_时间戳(col('d1'),'yyyy-MM-dd HH:MM:ss')-unix_时间戳(col('d2'),'yyyy-MM-dd HH:MM:ss'))
df=sqlContext.createDataFrame([('2016-04-18 21:18:18','2016-04-19 19:15:00'),['d1','d2']))
df2=df.带列('diff_secs',diffCol)