火花错误 - 十进制精度39超过最大精度38

当我尝试从Spark数据帧收集数据时，我收到一个错误说明

“java.lang.IllegalArgumentException：要求失败：十进制精度39超过最大精度38” .

Spark数据帧中的所有数据都来自Oracle数据库，我相信小数精度<38 . 有没有办法在不修改数据的情况下实现这一目标？

# Load required table into memory from Oracle database
df <- loadDF(sqlContext, source = "jdbc", url = "jdbc:oracle:thin:usr/pass@url.com:1521" , dbtable = "TBL_NM")

RawData <- df %>% 
    filter(DT_Column > DATE(‘2015-01-01’))

RawData <- as.data.frame(RawData)

给出错误

下面是堆栈跟踪：

WARN TaskSetManager：阶段0.0中的丢失任务1.0（TID 1,10 ... ***，执行程序0）：java.lang.IllegalArgumentException：要求失败：在scala.Predef $ .require处，十进制精度39超过最大精度38（ Predef.scala：224）org.apache.spark.sql.types.Decimal.set（Decimal.scala：113）at org.apache.spark.sql.types.Decimal $ .apply（Decimal.scala：426）at at org.apache.spark.sql.execution.datasources.jdbc.JdbcUtils $$ anonfun $ $组织阿帕奇$火花$ SQL $执行$ $的数据源JDBC $ JdbcUtils $$ makeGetter $ 3 $$ anonfun $ 9.apply（JdbcUtils.scala：337 ）org.apache.spark.sql.execution.datasources.jdbc.JdbcUtils $$ anonfun $ org $ apache $ spark $ sql $ execution $ datasources $ jdbc $ JdbcUtils $$ makeGetter $ 3 $$ anonfun $ 9.apply（JdbcUtils.scala ：337）atg.apache.spark.sql.execution.datasources.jdbc.JdbcUtils $ .org $ apache $ spark $ sql $ execution $ datasources $ jdbc $ JdbcUtils $$ nullSafeConvert（JdbcUtils.scala：438）at org.apache .spark.sql.execution.datasources.jdbc.JdbcUtils $$ anonfun $ $组织阿帕奇$火花$ SQL $执行$ $的数据源JDBC $ JdbcUtils $$马keGetter $ 3.apply（JdbcUtils.scala：337）at org.apache.spark.sql.execution.datasources.jdbc.JdbcUtils $$ anonfun $ org $ apache $ spark $ sql $ execution $ datasources $ jdbc $ JdbcUtils $$ makeGetter $ 3位于org.apache.spark.spark . .jdbc.JdbcUtils $$ anon $ 1.getNext（JdbcUtils.scala：268）org.apache.spark.util.NextIterator.hasNext（NextIterator.scala：73）at org.apache.spark.util.CompletionIterator.hasNext（CompletionIterator） .scala：32）org.apache.spark.sql.catalyst.expressions.GeneratedClass $ GeneratedIterator.processNext（未知来源）org.apache.spark.sql.execution.BufferedRowIterator.hasNext（BufferedRowIterator.java:43）at org .apache.spark.sql.execution.WholeStageCodegenExec $$ anonfun $ 8 $$ anon $ 1.hasNext（WholeStageCodegenExec.scala：377）org.apache.spark.sql.execution.SparkPlan $$ anonfun $ 2.apply（SparkPlan.scala： 231）在org.apache.spark.sql.execution.SparkPlan $$ anonfun $ 2.apply（SparkPlan.scala：225）at org.apache.spark.rdd.RDD $$ anonfun $ mapPartitionsInternal $ 1 $$ anonfun $ apply $ 25.apply（RDD.scala：826）at org.apache.spark.rdd . RDD $$ anonfun $ mapPartitionsInternal $ 1 $$ anonfun $在org.apache.spark.rdd上的org.apache.spark.rdd.MapPartitionsRDD.compute（MapPartitionsRDD.scala：38）申请$ 25.apply（RDD.scala：826） . org.apache.spark.rdd.RDD.iterator（RDD.scala：287）的RDD.computeOrReadCheckpoint（RDD.scala：323）位于org.apache.spark.scheduler.ResultTask.runTask（ResultTask.scala：87）org .apache.spark.scheduler.Task.run（Task.scala：99）at org.apache.spark.executor.Executor $ TaskRunner.run（Executor.scala：282）at java.util.concurrent.ThreadPoolExecutor.runWorker（ThreadPoolExecutor） .java：1142）java.util.concurrent.ThreadPoolExecutor $ Worker.run（ThreadPoolExecutor.java:617）at java.lang.Thread.run（Thread.java:745）

请建议任何解决方案 . 谢谢 .