spark sql日期间隔sql查询无法正常工作

Question

我的目标是每天每隔15分钟显示一次数据（由csv文件提供）。

我提出的解决方案是一个sql查询，它正在创建我需要的数据：

select 
    dateadd(minute, datediff(minute, 0, cast ([date] + ' ' + [time] as datetime2) ) / 15 * 15, 0) as dateInterval,
    SecurityDesc,
    StartPrice,
    SUM(CAST(TradedVolume as decimal(18,2))) as totalTradedVolume,
    SUM(cast(NumberOfTrades as int)) as totalNumberOfTrades,
    ROW_NUMBER() over(PARTITION BY dateadd(minute, datediff(minute, 0, cast ([date] + ' ' + [time] as datetime) ) / 15 * 15, 0) ORDER BY Date) as rn
from MyTable
group by [date],[time],SecurityDesc,StartPrice

但是一旦我想在我的Spark python代码中使用它，它会抱怨datediff / dateadd，甚至会转换为datetime。

我理解它可能无法看到sql函数但我导入了：

from pyspark import SparkContext, SparkConf
from pyspark.sql import SQLContext
from pyspark.sql import Row
import pyspark.sql.functions as F
from datetime import datetime as d
from pyspark.sql.functions import datediff, to_date, lit

我该怎么做才能让它发挥作用？我更喜欢让我的查询工作，如果不是如何一般我可以在spark python中显示每15分钟的聚合数据？

更新：寻找获取数据的结果如下：

Answer 1

您已使用别名导入函数（我认为这是一个很好的做法）：

import pyspark.sql.functions as F

这意味着您需要使用F变量来使用F.to_date等导入函数。您正在使用的函数是SQL查询函数，不属于pyspark.sql.functions中可用的实际函数（有关可用函数的列表，请参阅文档here）

要在Spark中解决您的问题，我将使用dataFrame，然后使用它来使用spark函数计算结果。

P.S下一次，最好发布实际的错误消息，而不是说火花“抱怨”;）