PySpark - Spark SQL：如何将带有 UTC 偏移量的时间戳转换为纪元/unixtime？

Question

如何使用 Spark SQL 或 PySpark 将 2019-08-22T23:57:57-07:00 格式的时间戳转换为 unixtime？

我知道的最相似的函数是unix_timestamp()，它不接受上述带有UTC偏移的时间格式。

关于我如何最好使用 Spark SQL 或 PySpark 的任何建议？

谢谢

Answer 1

在这种情况下，ISO 8601time zone 的 java SimpleDateFormat 模式是 XXX。

所以你需要使用yyyy-MM-dd'T'HH:mm:ssXXX作为你的格式字符串。

SparkSQL

spark.sql(
    """select unix_timestamp("2019-08-22T23:57:57-07:00", "yyyy-MM-dd'T'HH:mm:ssXXX") 
    AS epoch"""
).show(truncate=False)
#+----------+
#|epoch     |
#+----------+
#|1566543477|
#+----------+

Spark 数据帧

from pyspark.sql.functions import unix_timestamp

df = spark.createDataFrame([("2019-08-22T23:57:57-07:00",)], ["timestamp"])
df.withColumn(
    "unixtime", 
    unix_timestamp("timestamp", "yyyy-MM-dd'T'HH:mm:ssXXX")
).show(truncate=False)
#+-------------------------+----------+
#|timestamp                |unixtime  |
#+-------------------------+----------+
#|2019-08-22T23:57:57-07:00|1566543477|
#+-------------------------+----------+

---

请注意，pyspark 只是 spark 的一个包装器 - 通常我发现 scala/java 文档比 python 文档更完整。将来可能会有所帮助。