Spark Avro 在数字字段中写入空值答案

【问题标题】：Spark Avro to parquet writing null values in number fieldsSpark Avro 在数字字段中写入空值
【发布时间】：2017-01-05 18:41:30
【问题描述】：

我将 spark 数据框保存为 parquet 文件，并且该数据框具有从 avro 对象构建的行。相同的确切代码在这里 - https://stackoverflow.com/a/41491999/2440775

我面临的挑战是，当传入数据中缺少整数字段时，我打算能够有空值。 Avro 似乎允许通过使用联合类型来实现这一点，但是当我没有在 avsc 中指定默认值或指定默认值“null”时，我会收到如下错误：

Caused by: org.apache.avro.AvroRuntimeException: Field xxx type:LONG pos:7 not set and has no default value
    at org.apache.avro.generic.GenericData.getDefaultValue(GenericData.java:984)
    at org.apache.avro.data.RecordBuilderBase.defaultValue(RecordBuilderBase.java:135)

Or

Caused by: org.apache.avro.AvroRuntimeException: Field xxx type:UNION pos:7 not set and has no default value
    at org.apache.avro.generic.GenericData.getDefaultValue(GenericData.java:984)
    at org.apache.avro.data.RecordBuilderBase.defaultValue(RecordBuilderBase.java:135)

如果我写一个默认值“0”，它 saveAsParquet 效果很好

我还尝试将 avro 规范更改为首先使用“null”类型，因为联合选择了第一个元素的类型。

"type": ["null","long"], "default": null

这会导致如下异常：

org.apache.spark.SparkException: Job aborted due to stage failure: Task 0 in stage 0.0 failed 1 times, most recent failure: Lost task 0.0 in stage 0.0 (TID 0, localhost): java.lang.ClassCastException: java.lang.String cannot be cast to java.lang.Long

在 avro 架构中更改 long 和 null 的顺序会导致以下异常

原因：org.apache.avro.AvroTypeException：long 的非数字默认值：null

【问题讨论】：

标签： apache-kafka apache-spark-sql avro parquet

【解决方案1】：

我没有这样的解决方案，但找到了解决方法。我从 avro 对象构建 Row 的方式是从 avro 对象创建一个列表，然后对其执行 Row.fromSeq。解决方法检查默认值 0 和 int 或 long 数据类型。如果是默认值，则添加 null 。因此，必须小心选择默认值。

public static List avroToList(AvroData a) throws UnsupportedEncodingException{
        List l = new ArrayList<>();
        for (Schema.Field f : a.getSchema().getFields()) {
            Object value = a.get(f.name());
            if (value == null) {
                l.add(null);
            }
            else {
                switch (f.schema().getType().getName()){
                    case "union":
                        l.add(value.toString());
                        break;

                    case "int":
                        if(value == 0) {l.add(null);}
                        else {l.add(Integer.valueOf(value.toString()));}
                      break;

                    case "long":
                        if(value == 0L) {l.add(null);}
                        else {l.add(Long.valueOf(value.toString()));}
                        break;

                    default:l.add(value);
                        break;
                }

            }
        }
        return l;
    }

avsc 文件的类型信息如下

"type": "long",  "default": 0

【讨论】：