在Spark +2.4中读取CSV时如何设置时间戳格式

我在Azure上有一个Databricks 5.3群集，该群集运行Apache Spark 2.4.0和Scala 2.11。

我正在尝试解析具有自定义时间戳格式的CSV文件，但是我不知道Spark使用哪种日期时间模式格式。

我的CSV如下所示：

Timestamp, Name, Value
02/07/2019 14:51:32.869-08:00, BatteryA, 0.25
02/07/2019 14:55:45.343-08:00, BatteryB, 0.50
02/07/2019 14:58:25.845-08:00, BatteryC, 0.34

我正在执行以下内容进行阅读：

%scala

val csvDataFrame = sqlContext.read.format("csv")
  .option("header", "true")
  .option("treatEmptyValuesAsNulls", "true")
  .option("inferSchema", "true")
  .option("mode","DROPMALFORMED")
  .option("timestampFormat", "MM/dd/yyyy HH:mm:ss.SSSZZ")
  .load("path/to/file.csv")

csvDataFrame.printSchema()

但是无论我使用哪种时间戳模式，第一列总是被推断为字符串。

csvDataFrame:org.apache.spark.sql.DataFrame
  Timestamp:string
  Name:string
  Value:double

我不是Java / Scala开发人员，并且是Spark / Databricks的新手。我找不到Spark用来解析日期值格式化程序的任何地方。

我尝试过的模式：

MM/dd/yyyy HH:mm:ss.SSSZZ
MM/dd/yyyy HH:mm:ss.SSSXXX