Групповое окно Spark Structured Streaming - я хочу, чтобы первый интервал начинался с первой отметки времени

На простом законченном примере использования агрегации окон в Spark 2.31 (HDP 3.0) я вижу, что Spark создает интервалы, выровненные по некоторому целому числу. Например, здесь я указываю 60 секунд windowDuration, и Spark начинает первый интервал с ближайшей минуты:

>>> from pyspark.sql import functions as F
>>> df = spark.createDataFrame([("2016-03-11 09:00:07", 1),("2016-03-11 09:00:08", 1)]).toDF("date", "val")
>>> w = df.groupBy(F.window("date", "60 seconds")).agg(F.sum("val").alias("sum"))
>>> w.select(w.window.start.cast("string").alias("start"),w.window.end.cast("string").alias("end"), "sum").collect()
[Row(start='2016-03-11 09:00:00', end='2016-03-11 09:01:00', sum=2)]

Есть ли способ начать интервал при первом сообщении, т.е. в моем случае я хотел бы иметь:

[Row(start='2016-03-11 09:00:07', end='2016-03-11 09:01:07', sum=2)]

apache-spark pyspark spark-structured-streaming

09.04.2019 22:08

Стоит ли изучать PHP в 2023-2024 годах?

Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...

Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией

В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.

Приемы CSS-макетирования - floats и Flexbox

Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...

Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest

В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...

Концепция локализации и ее применение в приложениях React ⚡️

Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...

Пользовательский скаляр GraphQL

Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...

792

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вот так =>

from pyspark.sql import functions as F
from datetime import datetime

df = spark.createDataFrame([("2016-03-11 09:00:07", 1),("2016-03-11 09:00:08", 1)]).toDF("date", "val")

startSecond = datetime.strptime(df.head()[0], '%Y-%m-%d %H:%M:%S').second

w = df.groupBy(F.window("date", "60 seconds", "60 seconds", str(startSecond) + " seconds")).agg(F.sum("val").alias("sum"))

w.select(w.window.start.cast("string").alias("start"),w.window.end.cast("string").alias("end"), "sum").collect()

Спасибо! Читая документы, я подумал, что это может работать таким образом, но попробовал неправильные вещи.

— 10.04.2019 11:23

Единственное, как получить startSecond в потоковом режиме: startSecond = datetime.strptime(st.head()[0], '%Y-%m-%d %H:%M:%S').second ... pyspark.sql.utils.AnalysisException: 'Queries with streaming sources must be executed with writeStream.start();;\nkafka'

— 10.04.2019 11:30

10.04.2019 01:03