Я определил две таблицы:
val tableName = "table1"
val tableName2 = "table2"
val format = new SimpleDateFormat("yyyy-MM-dd")
val data = List(
List("mike", 26, true),
List("susan", 26, false),
List("john", 33, true)
)
val data2 = List(
List("mike", "grade1", 45, "baseball", new java.sql.Date(format.parse("1957-12-10").getTime)),
List("john", "grade2", 33, "soccer", new java.sql.Date(format.parse("1978-06-07").getTime)),
List("john", "grade2", 32, "golf", new java.sql.Date(format.parse("1978-06-07").getTime)),
List("mike", "grade2", 26, "basketball", new java.sql.Date(format.parse("1978-06-07").getTime)),
List("lena", "grade2", 23, "baseball", new java.sql.Date(format.parse("1978-06-07").getTime))
)
val rdd = sparkContext.parallelize(data).map(Row.fromSeq(_))
val rdd2 = sparkContext.parallelize(data2).map(Row.fromSeq(_))
val schema = StructType(Array(
StructField("name", StringType, true),
StructField("age", IntegerType, true),
StructField("isBoy", BooleanType, false)
))
val schema2 = StructType(Array(
StructField("name", StringType, true),
StructField("grade", StringType, true),
StructField("howold", IntegerType, true),
StructField("hobby", StringType, true),
StructField("birthday", DateType, false)
))
val df = sqlContext.createDataFrame(rdd, schema)
val df2 = sqlContext.createDataFrame(rdd2, schema2)
df.createOrReplaceTempView(tableName)
df2.createOrReplaceTempView(tableName2)
Я пытаюсь построить запрос для возврата строк из таблицы1, у которой нет соответствующей строки в таблице2. Я попытался сделать это, используя этот запрос:
Select * from table1 LEFT JOIN table2 ON table1.name = table2.name AND table1.age = table2.howold AND table2.name IS NULL AND table2.howold IS NULL
но это просто дает мне все строки из таблицы1:
Список ({ "имя": "Джон", "возраст" : 33, "isBoy" : правда}, { "Имя": "Susan", "возраст" : 26, "isBoy" ложь}, { "Имя": "Майк", "возраст" : 26, "isBoy" : истинно})
Как сделать этот тип соединения в Spark эффективно?
Я ищу SQL-запрос, потому что мне нужно указать столбцы, которые можно сравнить между двумя таблицами, а не просто сравнивать строки за строкой, как это делается в других рекомендуемых вопросах. Подобно использованию вычитания, кроме и т.д.