Spark执行SQL时出现mismatched input 'GROUP'报错如何解决

错误产生原因 #

• 该报错由SQL子句书写顺序不符合语法规范导致：标准SQL语法要求HAVING子句必须放在GROUP BY子句之后，HAVING的作用是对GROUP BY聚合计算后的结果做过滤，你的代码将HAVING写在了GROUP BY前面，Spark SQL解析器完成HAVING子句解析后默认语句已经结束，后续出现GROUP关键字就会触发语法匹配错误。

修复方案 #

调整GROUP BY和HAVING的先后顺序即可，修正后代码如下：

spark.sql("SELECT state, AVG(gestation_weeks) "
          "FROM natality "
          "WHERE state is not null "
          "GROUP BY state "
          "HAVING AVG(gestation_weeks) > (SELECT AVG(gestation_weeks) FROM natality)").show()

内容的提问来源于stack exchange，提问作者Sergi Solé