Spark支持的java.time.Instant最大(小)值是多少岗宣?

java.time.Instant

在Spark 3.0中, java8 time API 被用到Spark datetime相關(guān)的內(nèi)部計(jì)算和用戶API中,比如Instant對象就被Mapping到Spark SQL類型TimestampType仅政。TimestampType內(nèi)部實(shí)際以Long表示microsecond, 如其文檔所述:

/**
 * The timestamp type represents a time instant in microsecond precision.
 * Valid range is [0001-01-01T00:00:00.000000Z, 9999-12-31T23:59:59.999999Z] where
 * the left/right-bound is a date and time of the proleptic Gregorian
 * calendar in UTC+00:00.
 *
 * Please use the singleton `DataTypes.TimestampType` to refer the type.
 * @since 1.3.0
 */

而Instant用一個Long類型字段存儲EPOCH時刻相加減的秒數(shù),和一個Int類型字段存儲納秒數(shù)默伍,最大值和最小值遠(yuǎn)超Spark TimestampType所能承受的范圍传货。

scala> Instant.MAX
res22: java.time.Instant = +1000000000-12-31T23:59:59.999999999Z
scala> Instant.MIN
res25: java.time.Instant = -1000000000-01-01T00:00:00Z
scala> Instant.EPOCH
res26: java.time.Instant = 1970-01-01T00:00:00Z

那么Spark 能支持多大的Instant實(shí)例呢惫东?

scala> val t = Instant.ofEpochSecond(9223372036854L, 775807999)
t: java.time.Instant = +294247-01-10T04:00:54.775807999Z

scala> Seq(t).toDF
res20: org.apache.spark.sql.DataFrame = [value: timestamp]

scala> val t = Instant.ofEpochSecond(9223372036854L, 775808000)
t: java.time.Instant = +294247-01-10T04:00:54.775808Z

scala> Seq(t).toDF
java.lang.RuntimeException: Error while encoding: java.lang.ArithmeticException: long overflow
staticinvoke(class org.apache.spark.sql.catalyst.util.DateTimeUtils$, TimestampType, instantToMicros, input[0, java.time.Instant, true], true, false) AS value#67
  at org.apache.spark.sql.catalyst.encoders.ExpressionEncoder$Serializer.apply(ExpressionEncoder.scala:215)
  at org.apache.spark.sql.SparkSession.$anonfun$createDataset$1(SparkSession.scala:466)
  at scala.collection.TraversableLike.$anonfun$map$1(TraversableLike.scala:238)
  at scala.collection.immutable.List.foreach(List.scala:392)
  at scala.collection.TraversableLike.map(TraversableLike.scala:238)
  at scala.collection.TraversableLike.map$(TraversableLike.scala:231)
  at scala.collection.immutable.List.map(List.scala:298)
  at org.apache.spark.sql.SparkSession.createDataset(SparkSession.scala:466)
  at org.apache.spark.sql.SQLContext.createDataset(SQLContext.scala:353)
  at org.apache.spark.sql.SQLImplicits.localSeqToDatasetHolder(SQLImplicits.scala:231)
  ... 47 elided
Caused by: java.lang.ArithmeticException: long overflow
  at java.lang.Math.addExact(Math.java:809)
  at org.apache.spark.sql.catalyst.util.DateTimeUtils$.instantToMicros(DateTimeUtils.scala:411)
  at org.apache.spark.sql.catalyst.util.DateTimeUtils.instantToMicros(DateTimeUtils.scala)
  at org.apache.spark.sql.catalyst.expressions.GeneratedClass$SpecificUnsafeProjection.apply(Unknown Source)
  at org.apache.spark.sql.catalyst.encoders.ExpressionEncoder$Serializer.apply(ExpressionEncoder.scala:211)
  ... 56 more

顯然和Spark API文檔描述的不一致莉给,實(shí)際可以表示的Timestamp值最大為·+294247-01-10T04:00:54.775807999Z遠(yuǎn)比9999-12-31T23:59:59.999999Z`(文檔值)大不少,也比Instant的實(shí)際最大值小了不少個數(shù)量級廉沮。
最小值雷同颓遏,不再贅述。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末滞时,一起剝皮案震驚了整個濱河市叁幢,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌漂洋,老刑警劉巖遥皂,帶你破解...
    沈念sama閱讀 216,372評論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異刽漂,居然都是意外死亡演训,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,368評論 3 392
  • 文/潘曉璐 我一進(jìn)店門贝咙,熙熙樓的掌柜王于貴愁眉苦臉地迎上來样悟,“玉大人,你說我怎么就攤上這事庭猩】咚” “怎么了?”我有些...
    開封第一講書人閱讀 162,415評論 0 353
  • 文/不壞的土叔 我叫張陵蔼水,是天一觀的道長震糖。 經(jīng)常有香客問我,道長趴腋,這世上最難降的妖魔是什么吊说? 我笑而不...
    開封第一講書人閱讀 58,157評論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮优炬,結(jié)果婚禮上颁井,老公的妹妹穿的比我還像新娘。我一直安慰自己蠢护,他們只是感情好雅宾,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,171評論 6 388
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著葵硕,像睡著了一般眉抬。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上贬芥,一...
    開封第一講書人閱讀 51,125評論 1 297
  • 那天吐辙,我揣著相機(jī)與錄音,去河邊找鬼蘸劈。 笑死昏苏,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的威沫。 我是一名探鬼主播贤惯,決...
    沈念sama閱讀 40,028評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼棒掠!你這毒婦竟也來了孵构?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 38,887評論 0 274
  • 序言:老撾萬榮一對情侶失蹤烟很,失蹤者是張志新(化名)和其女友劉穎颈墅,沒想到半個月后蜡镶,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,310評論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡恤筛,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,533評論 2 332
  • 正文 我和宋清朗相戀三年官还,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片毒坛。...
    茶點(diǎn)故事閱讀 39,690評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡望伦,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出煎殷,到底是詐尸還是另有隱情屯伞,我是刑警寧澤,帶...
    沈念sama閱讀 35,411評論 5 343
  • 正文 年R本政府宣布豪直,位于F島的核電站劣摇,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏弓乙。R本人自食惡果不足惜饵撑,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,004評論 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望唆貌。 院中可真熱鬧滑潘,春花似錦、人聲如沸锨咙。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽酪刀。三九已至粹舵,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間骂倘,已是汗流浹背眼滤。 一陣腳步聲響...
    開封第一講書人閱讀 32,812評論 1 268
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留历涝,地道東北人诅需。 一個月前我還...
    沈念sama閱讀 47,693評論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像荧库,于是被迫代替她去往敵國和親堰塌。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,577評論 2 353

推薦閱讀更多精彩內(nèi)容