monotonically_increasing_id()
является , увеличивая и уникальным , но не последовательным .
Вы можете использовать zipWithIndex
путем преобразования к rdd
и восстановлению Dataframe с той же схемой для обоих dataframe
.
import spark.implicits._
val df1 = Seq(
("karti", "9685684551", 24),
("raja", "8595456552", 22)
).toDF("Customer_name", "Customer_phone", "Customer_age")
val df2 = Seq(
("watch", 1),
("cattoy", 2)
).toDF("Order_name", "Order_ID")
val df11 = spark.sqlContext.createDataFrame(
df1.rdd.zipWithIndex.map {
case (row, index) => Row.fromSeq(row.toSeq :+ index)
},
// Create schema for index column
StructType(df1.schema.fields :+ StructField("index", LongType, false))
)
val df22 = spark.sqlContext.createDataFrame(
df2.rdd.zipWithIndex.map {
case (row, index) => Row.fromSeq(row.toSeq :+ index)
},
// Create schema for index column
StructType(df2.schema.fields :+ StructField("index", LongType, false))
)
Теперь соедините конечные кадры данных
df11.join(df22, Seq("index")).drop("index")
Выход:
+-------------+--------------+------------+----------+--------+
|Customer_name|Customer_phone|Customer_age|Order_name|Order_ID|
+-------------+--------------+------------+----------+--------+
|karti |9685684551 |24 |watch |1 |
|raja |8595456552 |22 |cattoy |2 |
+-------------+--------------+------------+----------+--------+
Исключения, которые вы увидите, будут ConnectTimeoutException
и SocketTimeoutException
. Фактические значения тайм-аута, которые вы используете, должны быть максимальным временем ожидания вашего приложения. Важное примечание о тайм-ауте чтения заключается в том, что оно соответствует таймауту в считываемом сокете. Таким образом, не требуется время для получения полного ответа, а время, указанное для одного сокета. Таким образом, если есть 4 сокета, каждый из которых занимает 9 секунд, ваше общее время чтения составляет 9 * 4 = 36 секунд.
Если вы хотите указать общее время для ответа, чтобы получить (включая соединение и общее количество время чтения), вы можете обернуть вызов в потоке и использовать таймаут потока для этого. Например, я обычно делаю что-то вроде этого:
Future<T> future = null;
future = pool.submit(new Callable<T>() {
public T call() {
return executeImpl(url);
}
});
try {
return future.get(10, TimeUnit.SECONDS);
}
catch (InterruptedException e) {
log.warn("task interrupted", name);
}
catch (ExecutionException e) {
log.error(name + " execution exception", e);
}
catch (TimeoutException e) {
log.debug("future timed out", name);
}
Некоторые предположения, сделанные в коде выше: 1) это функция с параметром url, 2) она находится в классе с именем переменная, 3) log - это экземпляр log4j, а 4) пул - это исполнитель пула потоков. Обратите внимание, что даже если вы используете тайм-аут потока, вы также должны указать время ожидания подключения и сокета на HttpClient, чтобы медленные запросы не потребляли ресурсы в пуле потоков. Также обратите внимание, что я использую пул потоков, потому что, как правило, я использую это в веб-службе, поэтому пул потоков распределяется по цепочке потоков tomcat. Вы - среда, которая может быть другой, и вы можете просто создать новый поток для каждого вызова.
Кроме того, я обычно вижу таймауты, установленные через функции-члены параметров, например:
params.setConnectionTimeout(10000);
params.setSoTimeout(10000);
Но, возможно, ваш синтаксис работает (не уверен).
Я предполагаю, что многие люди приходят сюда из-за названия и потому, что API HttpConnectionParams
устарел.
Используя последнюю версию HTTP-клиента Apache, вы можете установить эти таймауты, используя параметры запроса:
HttpPost request = new HttpPost(url);
RequestConfig requestConfig = RequestConfig.custom()
.setSocketTimeout(TIMEOUT_MILLIS)
.setConnectTimeout(TIMEOUT_MILLIS)
.setConnectionRequestTimeout(TIMEOUT_MILLIS)
.build();
request.setConfig(requestConfig);
В качестве альтернативы вы также можете установить это при создании своего HTTP-клиента, используя API-интерфейс Builder для HTTP-клиента, но вам также потребуется создать настраиваемый диспетчер подключений с настраиваемой конфигурацией сокета .
Файл примера конфигурации - отличный ресурс, чтобы узнать, как настроить Apache HTTP Client.