基本上,我愿做一个简单的删除使用SQL语句,但是当我执行sql脚本,它抛出我下面的错误:如何删除从Spark数据框创建的表中的行?
pyspark.sql.utils.ParseException: u"\nmissing 'FROM' at 'a'(line 2, pos 23)\n\n== SQL ==\n\n DELETE a.* FROM adsquare a \n-----------------------^^^\n"
这是我使用的脚本:
sq = SparkSession.builder.config('spark.rpc.message.maxSize','1536').config("spark.sql.shuffle.partitions",str(shuffle_value)).getOrCreate()
adsquare = sq.read.csv(f, schema=adsquareSchemaDevice , sep=";", header=True)
adsquare_grid = adsqaureJoined.select("userid", "latitude", "longitude").repartition(1000).cache()
adsquare_grid.createOrReplaceTempView("adsquare")
sql = """
DELETE a.* FROM adsquare a
INNER JOIN codepoint c ON a.grid_id = c.grid_explode
WHERE dis2 > 1 """
sq.sql(sql)
注意:代码点表是在执行过程中创建的。
是否有任何其他方式可以删除具有上述条件的行?
在Spark中,所有的数据抽象都是不可变的。你必须让你的UDF填充Ur新数据DF,它排除了你不感兴趣的领域。 – BDR
这个简单的任务对于UDF来说太昂贵了 –