Spark中DayTimeIntervalType等间隔数据类型应从哪里导入？

这两类是Spark 3.2版本正式纳入公共API的ANSI标准间隔类型，Spark 3.1及更早版本中仅作为内部实现类存在，未开放公共使用权限，不同语言的导入路径如下：

Scala 环境（Spark 3.2+ 版本可用） #

两个类型实际归属org.apache.spark.sql.types包，只是部分小版本未将其加入通配符导出列表，直接显式导入即可正常使用，无需找其他子包路径：

import org.apache.spark.sql.types.DayTimeIntervalType
import org.apache.spark.sql.types.YearMonthIntervalType

// 用法示例：构建包含间隔类型字段的Schema
import org.apache.spark.sql.types.{StructType, StructField}
val schema = StructType(Seq(
  StructField("time_duration", DayTimeIntervalType()),
  StructField("year_month_period", YearMonthIntervalType())
))
val df = spark.createDataFrame(spark.sparkContext.emptyRDD[org.apache.spark.sql.Row], schema)
df.printSchema()

Spark 3.1及更低版本中，这两个类型存放在org.apache.spark.sql.catalyst.util路径下，属于内部实现类，无稳定API承诺，不建议生产环境调用。

PySpark 环境（Spark 3.2+ 版本可用） #

两个类型归属pyspark.sql.types模块，直接显式导入即可，无需从其他子模块查找：

from pyspark.sql.types import (
    DayTimeIntervalType,
    YearMonthIntervalType,
    StructType,
    StructField
)

# 用法示例：构建包含间隔类型字段的Schema
schema = StructType([
    StructField("time_duration", DayTimeIntervalType()),
    StructField("year_month_period", YearMonthIntervalType())
])
df = spark.createDataFrame([], schema=schema)
df.printSchema()

PySpark 3.1及更低版本中，这两个类型是前缀带下划线的内部类（_DayTimeIntervalType、_YearMonthIntervalType），仅服务于框架内部逻辑，不对外提供兼容性保障。

常见导入报错原因 #

• 本地Spark版本低于3.2，两类间隔类型尚未开放公共访问权限
• 仅使用通配符方式导入（Scala的org.apache.spark.sql.types._、Python的from pyspark.sql.types import *），部分3.2早期小版本未将两类加入通配符导出清单，显式写全类名导入即可解决

内容的提问来源于stack exchange，提问作者Vlad Balalaykin