在spark sql（java）中连接两个数据集

Question

我有2个Datasets，每个有4列。

我的数据集：

'left':
a | b | c | d 
1 | 2 | 3 | 4

'right':
a | b | c | e 
1 | 2 | 3 | 5

我想要实现的目标：

a | b | c | d | e 
1 | 2 | 3 | 4 | 5

我的代码：

left.join(right,left.col(a).equalTo(right.col(a))
                        .and(left.col(b).equalTo(right.col(b)))
                        .and(left.col(c).equalTo(right.col(c)))
                        )),"left");

我想将right中的列'e'添加到left，但我得到的回报是：

a | b | c | d | a | b | c | e |

我只得到标题的串联。 我从逻辑的角度思考我的查询是正确的，我显然没有向Spark询问如何执行连接。 有提示吗？

Answer 1

您可以使用以下内容进行联接。您只需要在corresspond时指定密钥列表

val df1 = Seq(
  (1, 2, 3, 4)
).toDF("a", "b", "c", "d")
val df2 = Seq(
  (1, 2, 3, 4)
).toDF("a", "b", "c", "e")

val df3 = df1.join(df2, Seq("a", "b", "c"), "left")