Scala 火花时差

从spark 1.5.x开始，添加了一些方便的方法来处理时间

df.select(datediff($"A", $"B")).show

但这会以天为单位返回差值。是否可以选择将其转换为不同的时间间隔，例如年

我用手工

df.select(year($"A")- year($"B")).show

这就足够了。但如果更准确地计算日期差异，例如包括显示的月/日，则会更好

---

UDF是current spark 2.0.2的解决方案吗？或者我是否缺少将差值转换为天的选项，例如年？

时间戳

类型可以在几秒钟内转换为其Unix时间戳。如果这个分辨率对你来说足够好，剩下的只是一堆算术运算。您可以计算秒数差异，如下所示：

import org.apache.spark.sql.Column

def secondsBetween(col1: Column, col2: Column) =
  col2.cast("timestamp").cast("bigint") - col1.cast("timestamp").cast("bigint")

并根据您的需要重新取样，例如：

def minutesBetween(col1: Column, col2: Column) =
  (secondsBetween(col1, col2) / 60).cast("bigint")

---

显然，这并不能处理诸如夏令时或闰秒之类的日期和时间处理的所有细节，因此，如果这些在您的域中很重要，那么建议使用带有适当时间处理库的UDF。

时间戳

类型可以在几秒钟内转换为Unix时间戳。如果这个分辨率对你来说足够好，剩下的只是一堆算术运算。您可以计算秒数差异，如下所示：

import org.apache.spark.sql.Column

def secondsBetween(col1: Column, col2: Column) =
  col2.cast("timestamp").cast("bigint") - col1.cast("timestamp").cast("bigint")

并根据您的需要重新取样，例如：

def minutesBetween(col1: Column, col2: Column) =
  (secondsBetween(col1, col2) / 60).cast("bigint")

显然，这并不能处理诸如夏令时或闰秒等日期和时间处理的所有细节，因此，如果这些在您的领域很重要，那么建议使用带有适当时间处理库的UDF