在 Spark 中找到最长的连续条纹答案

【问题标题】：Find Longest Continuous Streak In Spark在 Spark 中找到最长的连续条纹
【发布时间】：2021-03-24 18:57:52
【问题描述】：

我有一个像这样的单列数据框

------------
   date     
------------
01/01/2020       
02/01/2020  
04/01/2020    
05/01/2020    
06/01/2020

我必须得到最长的连续时间开始日期和结束日期。所以在上面的例子中我有这样的输出

-----------------------------------------------
start       |   end           |  period_length |
-----------------------------------------------
04/01/2020    06/01/2020             3

我的方法：对数据进行排序并找到前一行的滞后，每当滞后 > 1 时，重置周期长度但我无法找到在特定条件下重置期间的方法。我正在使用火花 2.3

【问题讨论】：

标签： scala apache-spark apache-spark-sql apache-spark-2.3

【解决方案1】：

注意：我的列名是“eventTime”，如“2020-12-14 13:49:32”

  sc.sql(
  """
    |
    |   select
    |     min(eventTime), max(eventTime) ,  count(1)  as counts
    |   from
    |   (
    |       select
    |           eventTime , date_sub(eventTime , rn) as dis
    |       from
    |       (
    |           select
    |               eventTime , row_number() over(partition by 1 order by eventTime) rn
    |           from (select distinct substring(eventTime,0,10) as eventTime from ST_INOUT_RECORD)
    |       ) t1
    |   ) t2
    |   group by dis  having counts > 2
    |
    |""".stripMargin).show()

结果

|min(eventTime)|max(eventTime)|counts|
+--------------+--------------+------+
|    2020-09-12|    2020-12-14|    94|
|    2020-01-01|    2020-09-10|   254|
+--------------+--------------+------+

【讨论】：