Dropping nested struct field from parquet file and updating schema using pyspark

I am new to python and pyspark, so need your help in understanding and resolving this problem. I have some parquet log files with the following schema:

|-- metadata
...
|-- request
...
|-- response: struct (nullable = true)
|    |-- response_timestamp: string (nullable = true)
|    |-- response_status_code: string (nullable = true)
|    |-- results: array (nullable = true)
|    |    |-- element: struct (containsNull = true)
|    |    |    |-- id: string (nullable = true)
|    |    |    |-- type: string (nullable = true)
|    |    |    |-- filters: struct (nullable = true)
|    |    |    |    |-- price: struct (nullable = true)
|    |    |    |    |    |-- min: integer (nullable = true)
|    |    |    |    |    |-- max: integer (nullable = true)
|    |    |    |    |-- keywords: array (nullable = true)
|    |    |    |    |    |-- element: string (containsNull = true)
|    |    |    |    |-- sort_by: struct (nullable = true)
|    |    |    |    |    |-- search_sort_type: string (nullable = true)
|    |    |    |    |    |-- sort_ascending: boolean (nullable = true)
|    |    |    |    |-- test_filters: struct (nullable = true)
|    |    |    |    |    |-- integer1: struct (nullable = true)
|    |    |    |    |    |    |-- min: integer (nullable = true)
|    |    |    |    |    |    |-- max: integer (nullable = true)
|    |    |    |    |    |-- double1: struct (nullable = true)
|    |    |    |    |    |    |-- double1: double (nullable = true)
|    |    |    |    |    |-- double2: struct (nullable = true)
|    |    |    |    |    |    |-- double2: double (nullable = true)
|    |    |    |    |    |-- integer2: struct (nullable = true)
|    |    |    |    |    |    |-- integer2: integer (nullable = true)

I created the ‘test_filters’ object incorrectly in the schema and some of the parquet files got corrupted, and querying through hive broke.

I corrected the schema since, to fix subsequent logs, but I am now trying to clean up the corrupted files by deleting the test_filters object.

How can I remove the test_filters object from nested results array, and update the parquet schema? Please advise.

I tried loading the parquet files using pyspark, filtering out all rows where none of the results have test_filters:

filtered_result = df.filter(~expr("exists(response.results, x -> x.filters.test_filters is not null)"))

and then creating another dataframe with updated schema (with no test_filters):

df_with_schema = spark.createDataFrame(filtered_result.rdd, schema)

But when I try to write df_with_schema back to parquet files, I get the error:

field filters in element in array field results in field response: Length of object (4) does not match with length of fields (3)

I also tried to write filtered_result directly to parquet files, without updating the schema and creating a new dataframe. But then the hive queries still fail due to schema mismatch.

New contributor

prince jain is a new contributor to this site. Take care in asking for clarification, commenting, and answering.
Check out our Code of Conduct.

Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa Dịch vụ tổ chức sự kiện 5 sao Thông tin về chúng tôi Dịch vụ sinh nhật bé trai Dịch vụ sinh nhật bé gái Sự kiện trọn gói Các tiết mục giải trí Dịch vụ bổ trợ Tiệc cưới sang trọng Dịch vụ khai trương Tư vấn tổ chức sự kiện Hình ảnh sự kiện Cập nhật tin tức Liên hệ ngay Thuê chú hề chuyên nghiệp Tiệc tất niên cho công ty Trang trí tiệc cuối năm Tiệc tất niên độc đáo Sinh nhật bé Hải Đăng Sinh nhật đáng yêu bé Khánh Vân Sinh nhật sang trọng Bích Ngân Tiệc sinh nhật bé Thanh Trang Dịch vụ ông già Noel Xiếc thú vui nhộn Biểu diễn xiếc quay đĩa Dịch vụ tổ chức tiệc uy tín Khám phá dịch vụ của chúng tôi Tiệc sinh nhật cho bé trai Trang trí tiệc cho bé gái Gói sự kiện chuyên nghiệp Chương trình giải trí hấp dẫn Dịch vụ hỗ trợ sự kiện Trang trí tiệc cưới đẹp Khởi đầu thành công với khai trương Chuyên gia tư vấn sự kiện Xem ảnh các sự kiện đẹp Tin mới về sự kiện Kết nối với đội ngũ chuyên gia Chú hề vui nhộn cho tiệc sinh nhật Ý tưởng tiệc cuối năm Tất niên độc đáo Trang trí tiệc hiện đại Tổ chức sinh nhật cho Hải Đăng Sinh nhật độc quyền Khánh Vân Phong cách tiệc Bích Ngân Trang trí tiệc bé Thanh Trang Thuê dịch vụ ông già Noel chuyên nghiệp Xem xiếc khỉ đặc sắc Xiếc quay đĩa thú vị
Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa
Thiết kế website Thiết kế website Thiết kế website Cách kháng tài khoản quảng cáo Mua bán Fanpage Facebook Dịch vụ SEO Tổ chức sinh nhật