Spark sql saveAsTable создать режим добавления таблицы, если новый столбец добавлен в схему avro

Question

Я использую Spark SQL DataSet для записи данных в улей. Он работает отлично, если схема такая же, но если я изменяю схему avro, добавляя новый столбец между ними, он показывает ошибку (схема предоставляется из реестра схемы)

Error running job streaming job 1519289340000 ms.0 org.apache.spark.sql.AnalysisException: The column number of the existing table default.sample(struct<collection_timestamp:bigint,managed_object_id:string,managed_object_type:string,if_admin_status:string,date:string,hour:int,quarter:bigint>) doesn't match the data schema(struct<collection_timestamp:bigint,managed_object_id:string,if_oper_status:string,managed_object_type:string,if_admin_status:string,date:string,hour:int,quarter:bigint>);

if_oper_status это новый столбец должен быть добавлен. Пожалуйста, предложите.

StructType struct = convertSchemaToStructType(SchemaRegstryClient.getLatestSchema("simple"));
        Dataset<Row> dataset = getSparkInstance().createDataFrame(newRDD, struct);


        dataset=dataset.withColumn("date",functions.date_format(functions.current_date(), "dd-MM-yyyy"));
        dataset=dataset.withColumn("hour",functions.hour(functions.current_timestamp()));
        dataset=dataset.withColumn("quarter",functions.floor(functions.minute(functions.current_timestamp()).divide(5)));


        dataset
        .coalesce(1)
        .write().mode(SaveMode.Append)
        .option("charset", "UTF8")
        .partitionBy("date","hour","quarter")
        .option("checkpointLocation", "/tmp/checkpoint")
        .saveAsTable("sample");

Answer 1

Я смог решить эту проблему, сохранив схему из реестра в файл и указав путь к файлу avro.schema.url =, как показано ниже.

Примечание: это должно быть сделано до saveAsTable("sample")

dataset.sqlContext().sql("CREATE EXTERNAL TABLE IF NOT EXISTS sample PARTITIONED BY (dt STRING, hour STRING, quarter STRING ) ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.avro.AvroSerDe' STORED as INPUTFORMAT 'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat' OUTPUTFORMAT 'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat' LOCATION 'hdfs://localhost:9000/user/root/sample'  TBLPROPERTIES ('avro.schema.url'='file://"+file.getAbsolutePath()+"')");

Answer 2

Пожалуйста, перейдите по ссылке: https://github.com/databricks/spark-avro/pull/155. В историю коммитов в версию 3.1 был добавлен PR для поддержки развивающейся схемы Avro. Какую версию spark-avro вы используете в своем коде?