Spark SQL 中的 OFFSET 相当于什么？

Question

我使用 Spark SQL 得到了 100 行的结果集。我想获得从第 6 行到第 15 行开始的最终结果。在 SQL 中，我们使用OFFSET跳过行，就像OFFSET 5 LIMIT 10用于获取从第 6 行到第 15 行的行一样。在 Spark SQL 中，我怎样才能实现相同的目的？

Answer 1

我猜 SparkSQL 不支持offset。所以我用id作为过滤条件。每次我只检索N条数据。

以下是我的示例代码：

sc = SparkContext()  
sqlContext = SQLContext(sc)

df = sqlContext.read.format('com.databricks.spark.csv')\
        .options(header='false', inferschema='true')\
        .load('your.csv')
sqlContext.registerDataFrameAsTable(df, "table")

batch_size = 10 ** 5
res = sqlContext.sql("select min(C0), max(C0) from table).collect()
index = int(res[0]._c0) - 1
N_max = int(res[0]._c1)
while index < N_max:
    prev = index
    sql = "select C0, C1, C2, C3 from table \
            where C0 > '%s' and C0 <= '%s' \
            order by C0 limit %d" % (index, index+batch_size, batch_size)
    res = sqlContext.sql(sql).collect()
    # do something ...

    if index < prev + batch_size:
        index = prev + batch_size