时间戳

首页 > 解决方案 > 如何插入具有列数组的数据框> 在 Postgresql 中？

arrays - 如何插入具有列数组的数据框> 在 Postgresql 中？

问题描述

我正在尝试在 Postgresql 中存储具有嵌套模式的数据框。有人可以帮我解释一下如何在 Postgres 中存储列（坐标）和（user_mentions）吗？我读过 postgres 可以存储数组类型，但是在尝试写入 DB 时出现错误。我不完全确定我的表是否正确创建。

错误：

Exception in thread "main" java.lang.IllegalArgumentException: Can't get JDBC type for array<array<double>>

数据框架构：

root
 |-- created_at: string (nullable = true)
 |-- id: long (nullable = true)
 |-- text: string (nullable = true)
 |-- source: string (nullable = true)
 |-- user_id: long (nullable = true)
 |-- in_reply_to_status_id: string (nullable = true)
 |-- in_reply_to_user_id: long (nullable = true)
 |-- lang: string (nullable = true)
 |-- retweet_count: long (nullable = true)
 |-- reply_count: long (nullable = true)
 |-- coordinates: array (nullable = true)
 |    |-- element: array (containsNull = true)
 |    |    |-- element: double (containsNull = true)
 |-- hashtags: array (nullable = true)
 |    |-- element: string (containsNull = true)
 |-- user_mentions: array (nullable = true)
 |    |-- element: struct (containsNull = true)
 |    |    |-- id: long (nullable = true)
 |    |    |-- id_str: string (nullable = true)
 |    |    |-- indices: array (nullable = true)
 |    |    |    |-- element: long (containsNull = true)
 |    |    |-- name: string (nullable = true)
 |    |    |-- screen_name: string (nullable = true)

Postgres 表创建：

create table test-table (created_at varchar, id int, text text, source text, user_id int, in_reply_to_status_id varchar, in_reply_to_user_id int, lang varchar, retweet_count int, reply_count int, coordinates double precision[][], hashtags text[], user_mentions text[]);

火花斯卡拉代码：

   val df_1 = df.select(col("created_at"), col("id"), col("text"), col("source"), col("user.id").as("user_id"),
      col("in_reply_to_status_id"), col("in_reply_to_user_id"),
      col("lang"), col("retweet_count"), col("reply_count"), col("place.bounding_box.coordinates"),
      col("entities.hashtags"), col("entities.user_mentions")).withColumn("coordinates", explode(col("coordinates")))

    df_1.show(truncate = false)
    df_1.printSchema()

    df_1.write
      .format("jdbc")
      .option("url", "postgres_url")
      .option("dbtable", "xxx.mytable")
      .option("user", "user")
      .option("password", "pass")
      .save()

样本输入：

坐标栏：

[[80.063341, 26.348309], [80.063341, 30.43339], [88.2027, 30.43339], [88.2027, 26.348309]]

用户提及：

[[123456789, 123456789, [0, 15], Name, ScreenName]]

标签： arrayspostgresqlscalaapache-spark

解决方案

Spark 仅支持使用 JDBC 读取和写入单维数组。您可以将数据转换为多行（即explode在多行中包含 double[]），或者您可以将数据转换double[][]为逗号分隔的string[]或普通的string.

例如[[1, 2], [3, 4]]可以转换为["1,2", "3,4"]

推荐阅读