Spark将列转换为存储在字符串中的SQL类型

Question

简单的请求是我需要帮助，将一列添加到数据框中，但是该列必须为空，其类型来自... spark.sql.types，并且必须从字符串中定义类型。

我可能可以使用ifs或case做到这一点，但我正在寻找更优雅的东西。 不需要为org.apache.spark.sql.types中的每种类型编写案例的东西

例如，如果我这样做：

df = df.withColumn("col_name", lit(null).cast(org.apache.spark.sql.types.StringType))

它可以按预期工作，但是我将类型存储为字符串，

var the_type = "StringType"

或var the_type =“ org.apache.spark.sql.types.StringType”

而且我无法通过定义字符串的类型来使其正常工作。

对于那些感兴趣的人，这里有一些更多细节：我有一个包含元组（col_name，col_type）的集合，它们都作为字符串，并且我需要添加具有正确类型的列，以便将来在两个数据帧之间进行联合。

我目前有这个：

for (i <- set_of_col_type_tuples) yield {
    val tip = Class.forName("org.apache.spark.sql.types."+i._2)
    df = df.withColumn(i._1, lit(null).cast(the_type))
    df }

如果我用

val the_type = Class.forName("org.apache.spark.sql.types."+i._2)

我懂了

error: overloaded method value cast with alternatives:   (to: String)org.apache.spark.sql.Column <and>   (to: org.apache.spark.sql.types.DataType)org.apache.spark.sql.Column  cannot be applied to (Class[?0])

如果我用

val the_type = Class.forName("org.apache.spark.sql.types."+i._2).getName()

这是一个字符串，所以我得到：

org.apache.spark.sql.catalyst.parser.ParseException: mismatched input '.' expecting {<EOF>, '('}(line 1, pos 3)
== SQL == org.apache.spark.sql.types.StringType
---^^^

编辑：因此，为了清楚起见，该集合包含这样的元组（“ col1”，“ IntegerType”），（“ col2”，“ StringType”）而不是（“ col1”，“ int”），（“ col2”， “串”）。 简单的强制转换（i._2）不起作用。

谢谢。

Answer 1

您可以使用重载方法cast ，该方法具有String作为参数：

val stringType : String = ...
column.cast(stringType)

def cast（to：String）：列

使用该类型的规范字符串表示形式将列转换为其他数据类型。

您还可以扫描所有数据类型：

val types = classOf[DataTypes]
    .getDeclaredFields()
    .filter(f => java.lang.reflect.Modifier.isStatic(f.getModifiers()))
    .map(f => f.get(new DataTypes()).asInstanceOf[DataType])

现在，类型为Array [DataType]。 您可以将其翻译为地图：

val typeMap = types.map(t => (t.getClass.getSimpleName.replace("$", ""), t)).toMap

并在代码中使用：

column.cast(typeMap(yourType))