Spark将列转换为存储在字符串中的sql类型

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

我可能可以用 ifs 或 case 来做到这一点，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

例如，如果我这样做：

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

它按预期工作，但我将类型存储为字符串，

var the_type = "StringType"

或者 var the_type = "org.apache.spark.sql.types.StringType"

我无法通过从字符串定义类型来使其工作。

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）作为字符串的集合，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 }

if I use

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

I get

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])

if I use

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：所以，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", “细绳”）。简单的转换（i._2）不起作用。

谢谢。

您可以使用重载方法cast，它有一个 String 作为参数：

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

def 强制转换（至：字符串）：列

使用规范字符串将列转换为不同的数据类型 类型的表示。

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])

现在类型是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))