Sparklyr - 小数精度 8 超过最大精度 7答案

【问题标题】：Sparklyr - Decimal precision 8 exceeds max precision 7Sparklyr - 小数精度 8 超过最大精度 7
【发布时间】：2017-12-09 11:32:43
【问题描述】：

我正在尝试使用 spark_read_csv 将大型数据库复制到 Spark 中，但输出时出现以下错误：

错误：org.apache.spark.SparkException：作业因阶段而中止失败：阶段 16.0 中的任务 0 失败 4 次，最近一次失败：在第 16.0 阶段丢失任务 0.3（TID 176、10.1.2.235）： java.lang.IllegalArgumentException：要求失败：十进制精度 8 超过最大精度 7

data_tbl <- spark_read_csv(sc, "data", "D:/base_csv", delimiter = "|", overwrite = TRUE)

这是一个大数据集，大约有 580 万条记录，我的数据集有 Int、num 和 chr 类型的数据。

【问题讨论】：

标签： r apache-spark sparklyr

【解决方案1】：

我认为您有几个选择，具体取决于您使用的 spark 版本

火花 >=1.6.1

从这里：https://docs.databricks.com/spark/latest/sparkr/functions/read.df.html 看来，您可以专门指定您的架构以强制它使用双打

csvSchema <- structType(structField("carat", "double"), structField("color", "string"))
diamondsLoadWithSchema<- read.df("/databricks-datasets/Rdatasets/data-001/csv/ggplot2/diamonds.csv",
                                 source = "csv", header="true", schema = csvSchema)

火花考虑 test.csv

1,a,4.1234567890
2,b,9.0987654321

您可以轻松地提高效率，但我认为您明白了要点

linesplit <- function(x){
  tmp <- strsplit(x,",")
  return ( tmp)
}

lineconvert <- function(x){
  arow <- x[[1]]
  converted <- list(as.integer(arow[1]), as.character(arow[2]),as.double(arow[3]))
  return (converted)
}
rdd <- SparkR:::textFile(sc,'/path/to/test.csv')
lnspl <- SparkR:::map(rdd, linesplit)
ll2 <- SparkR:::map(lnspl,lineconvert)
ddf <- createDataFrame(sqlContext,ll2)
head(ddf)

  _1 _2           _3
1  1  a 4.1234567890
2  2  b 9.0987654321

注意：SparkR::: 方法是私有的是有原因的，文档说“使用时要小心”

【讨论】：