Spark ETL 中不同字段类型的内连接结果不一致

Spark ETL 中，两张数据集的门店 ID 分别为文本和数字类型。使用门店 ID 进行内连接时，交换两张表的输入顺序后，连接结果和门店数统计结果不一致，如何处理？

原因是两张表的门店 ID 格式不统一。比如文本表中有门店 ID `001`，数字表中对应值为 `1`：按数字规则可以关联，但转成文本后，`001` 与 `1` 并不相同，因此两种写法的连接结果会不同。

门店 ID 属于标识字段，建议统一按文本处理。在连接前将数字类型转换为文本，并固定使用同一连接条件：

```sql
select *
from 文本门店表 a
inner join 数字门店表 b
  on a.`门店id` = cast(b.`门店ID` as string)
```

如果数字表作为第一个输入，则相应调整为：

```sql
select *
from 数字门店表 a
inner join 文本门店表 b
  on cast(a.`门店ID` as string) = b.`门店id`
```

这样无论哪张表在前，都会按相同的门店 ID 文本规则进行关联。