- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
这是一个示例 JSON 文件。我想一般地这样做,就像如果我有根标签那么我如何将 JSON 数据读入 Dataframe 并在控制台中打印。
{
"Crimes": [
{
"ID": 11034701,
"Case Number": "JA366925",
"Date": "01/01/2001 11:00:00 AM",
"Block": "016XX E 86TH PL",
"IUCR": "1153",
"Primary Type": "DECEPTIVE PRACTICE",
"Description": "FINANCIAL IDENTITY THEFT OVER $ 300",
"Location Description": "RESIDENCE",
"Arrest": false,
"Domestic": false,
"Beat": 412,
"District": 4,
"Ward": 8,
"Community Area": 45,
"FBI Code": "11",
"Year": 2001,
"Updated On": "08/05/2017 03:50:08 PM"
},
{
"ID": 11162428,
"Case Number": "JA529032",
"Date": "11/28/2017 09:43:00 PM",
"Block": "026XX S CALIFORNIA BLVD",
"IUCR": "5131",
"Primary Type": "OTHER OFFENSE",
"Description": "VIOLENT OFFENDER: ANNUAL REGISTRATION",
"Location Description": "JAIL / LOCK-UP FACILITY",
"Arrest": true,
"Domestic": false,
"Beat": 1034,
"District": 10,
"Ward": 12,
"Community Area": 30,
"FBI Code": "26",
"X Coordinate": 1158280,
"Y Coordinate": 1886310,
"Year": 2017,
"Updated On": "02/11/2018 03:54:58 PM",
"Latitude": 41.843778126,
"Longitude": -87.694637678,
"Location": "(41.843778126, -87.694637678)"
}, {
"ID": 4080525,
"Case Number": "HL425503",
"Date": "06/16/2005 09:40:00 PM",
"Block": "062XX N KIRKWOOD AVE",
"IUCR": "1365",
"Primary Type": "CRIMINAL TRESPASS",
"Description": "TO RESIDENCE",
"Location Description": "RESIDENCE",
"Arrest": false,
"Domestic": false,
"Beat": 1711,
"District": 17,
"Ward": 39,
"Community Area": 12,
"FBI Code": "26",
"X Coordinate": 1145575,
"Y Coordinate": 1941395,
"Year": 2005,
"Updated On": "02/28/2018 03:56:25 PM",
"Latitude": 41.99518667,
"Longitude": -87.739863972,
"Location": "(41.99518667, -87.739863972)"
}, {
"ID": 4080539,
"Case Number": "HL422433",
"Date": "06/15/2005 12:55:00 PM",
"Block": "042XX S ST LAWRENCE AVE",
"IUCR": "0460",
"Primary Type": "BATTERY",
"Description": "SIMPLE",
"Location Description": "SCHOOL, PUBLIC BUILDING",
"Arrest": false,
"Domestic": false,
"Beat": 213,
"District": 2,
"Ward": 4,
"Community Area": 38,
"FBI Code": "08B",
"X Coordinate": 1180964,
"Y Coordinate": 1877123,
"Year": 2005,
"Updated On": "02/28/2018 03:56:25 PM",
"Latitude": 41.818075262,
"Longitude": -87.611675899,
"Location": "(41.818075262, -87.611675899)"
}
]
}
我正在使用此代码。
val conf = new SparkConf().setAppName("demo").setMaster("local");
val sc = new SparkContext(conf);
val spark = SparkSession.builder().master("local").appName("ValidationFrameWork").getOrCreate()
val sqlContext = new SQLContext(sc)
sc.hadoopConfiguration.set("mapreduce.fileoutputcommitter.marksuccessfuljobs", "false")
sc.hadoopConfiguration.set("parquet.enable.summary-metadata", "false")
val jsonRDD = sc.wholeTextFiles("D:/FinalScripts/output/Crimes1.json").map(x=>x._2)
val namesJson = sqlContext.read.json(jsonRDD)
namesJson.printSchema
namesJson.registerTempTable("JSONdata")
val data=sqlContext.sql("select * from JSONdata")
data.show()
对于这段代码,我得到一列作为犯罪行为,并且在一行中显示了整个数据。如何忽略根元素并仅获取原始数据。
我怎样才能将嵌套的 JSON 读取到 Dataframe 中并在控制台本身中打印。
最佳答案
尝试一下:
import org.apache.spark.sql.functions._
ds.select(explode($"Crimes") as "exploded").select("exploded.*")
哪里ds
是你的Dataset<Row>
您从 JSON 记录创建。
请注意,如果您的数据很大,Spark 需要在展平之前将整个数据保存在内存中。
关于scala - 如何在 Spark Scala 中读取带有根元素的多行 json?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53749931/
目前正在学习 Spark 的类(class)并了解到执行者的定义: Each executor will hold a chunk of the data to be processed. Thisc
阅读了有关 http://spark.apache.org/docs/0.8.0/cluster-overview.html 的一些文档后,我有一些问题想要澄清。 以 Spark 为例: JavaSp
Spark核心中的调度器与以下Spark Stack(来自Learning Spark:Lightning-Fast Big Data Analysis一书)中的Standalone Schedule
我想在 spark-submit 或 start 处设置 spark.eventLog.enabled 和 spark.eventLog.dir -all level -- 不要求在 scala/ja
我有来自 SQL Server 的数据,需要在 Apache Spark (Databricks) 中进行操作。 在 SQL Server 中,此表的三个键列使用区分大小写的 COLLATION 选项
所有这些有什么区别和用途? spark.local.ip spark.driver.host spark.driver.bind地址 spark.driver.hostname 如何将机器修复为 Sp
我有大约 10 个 Spark 作业,每个作业都会进行一些转换并将数据加载到数据库中。必须为每个作业单独打开和关闭 Spark session ,每次初始化都会耗费时间。 是否可以只创建一次 Spar
/Downloads/spark-3.0.1-bin-hadoop2.7/bin$ ./spark-shell 20/09/23 10:58:45 WARN Utils: Your hostname,
我是 Spark 的完全新手,并且刚刚开始对此进行更多探索。我选择了更长的路径,不使用任何 CDH 发行版安装 hadoop,并且我从 Apache 网站安装了 Hadoop 并自己设置配置文件以了解
TL; 博士 Spark UI 显示的内核和内存数量与我在使用 spark-submit 时要求的数量不同 更多细节: 我在独立模式下运行 Spark 1.6。 当我运行 spark-submit 时
spark-submit 上的文档说明如下: The spark-submit script in Spark’s bin directory is used to launch applicatio
关闭。这个问题是opinion-based .它目前不接受答案。 想改善这个问题吗?更新问题,以便可以通过 editing this post 用事实和引文回答问题. 6 个月前关闭。 Improve
我想了解接收器如何在 Spark Streaming 中工作。根据我的理解,将有一个接收器任务在执行器中运行,用于收集数据并保存为 RDD。当调用 start() 时,接收器开始读取。需要澄清以下内容
有没有办法在不同线程中使用相同的 spark 上下文并行运行多个 spark 作业? 我尝试使用 Vertx 3,但看起来每个作业都在排队并按顺序启动。 如何让它在相同的 spark 上下文中同时运行
我们有一个 Spark 流应用程序,这是一项长期运行的任务。事件日志指向 hdfs 位置 hdfs://spark-history,当我们开始流式传输应用程序时正在其中创建 application_X
我们正在尝试找到一种加载 Spark (2.x) ML 训练模型的方法,以便根据请求(通过 REST 接口(interface))我们可以查询它并获得预测,例如http://predictor.com
Spark newb 问题:我在 spark-sql 中进行完全相同的 Spark SQL 查询并在 spark-shell . spark-shell版本大约需要 10 秒,而 spark-sql版
我正在使用 Spark 流。根据 Spark 编程指南(参见 http://spark.apache.org/docs/latest/programming-guide.html#accumulato
我正在使用 CDH 5.2。我可以使用 spark-shell 运行命令。 如何运行包含spark命令的文件(file.spark)。 有没有办法在不使用 sbt 的情况下在 CDH 5.2 中运行/
我使用 Elasticsearch 已经有一段时间了,但使用 Cassandra 的经验很少。 现在,我有一个项目想要使用 Spark 来处理数据,但我需要决定是否应该使用 Cassandra 还是
我是一名优秀的程序员,十分优秀!