spark sql 报错:java.lang.IndexOutOfBoundsException: toIndex = 5

本文解析了SparkDataFrame在处理分区字段时常见的错误——将分区字段写入文件而非目录,导致数组下标越界的问题。介绍了正确的做法是使用partitionBy接口,并提供了正确的代码示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

字面意思就是数组下标超了,这个越界的原因是:spark dataframe在写数据到hadoop的时候,在存储文件中把分区字段也写进去了,正确的是分区字段不能写到文件中,而是作为文件目录。

以下是错误的代码:

case class myrow(pin:String, tag:String, dt:String)
rdd.map(x=>myrow(x._1,x._2,yesterday)).toDF().write.save(path+s"dt=$yesterday")

可以看到,dataframe中包含dt这个分区字段,同时保存的路径里也包含这个dt字段,所以正确的做法是调用dataframe的partitionBy接口,保存路径不用指定分区字段:

rdd.map(x=>myrow(x._1,x._2,yesterday)).toDF().write.partitionBy("dt").save(path)

另外,比较奇怪的一点是:刚开始错误的保存后,HIVE依然可以正常读数,但是spark sql不可以,还以为碰到什么大bug了。。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值