ashish.g's questions

Tenho o seguinte CSV que é publicado por um terceiro com os valores para uma coluna específica contendo uma vírgula (por algum motivo inexplicável). Os valores para a coluna estão ausentes ou entre colchetes/aspas duplas, pois representam um intervalo.

A seguir está um desses registros do CSV:

A,B
xxxxxxxxx,"['05-01', '06-30']"
yyyyyyyyy,"['04-01', '04-30']"
zzzzzzzzz,

O culpado é a segunda coluna, como é óbvio. Existe uma maneira de analisar corretamente esse CSV no Apache Spark (Scala) para ter o seguinte dataframe:

+---+----------+------------------------+
|A             |B                       |
+---+-----------------------------------+
|xxxxxxxxx     |"['05-01', '06-30']"    |
|yyyyyyyyy     |"['04-01', '04-30']"    |
|zzzzzzzzz     |null                    |
+---+----------+------------------------+

Eu tenho uma entidade que não possui nenhuma chave primária natural. Uma linha única é identificada por três colunas, qualquer uma das quais pode ter um valor único e as outras colunas serão nulas.

Para fins de exemplo imaginário, aqui está minha entidade:

--------
Product
--------
Shelf
Order
Customer
Category
--------

Apenas uma coluna de Prateleira ou Ordem de Cliente ou Categoria terá um valor preenchido, provavelmente com um ID (não será um FK de outra tabela).

Como faço para projetar uma mesa para isso? Preciso estritamente identificar linhas exclusivas somente nessas colunas. Estou usando o Oracle DB se isso ajudar.