scala - 如何在Spark DataFrames/Spark SQL中使用架构读取JSON

Question

sql/dataframes，
请帮帮我或就如何阅读此json提供一些好的建议

{
    "billdate":"2016-08-08',
    "accountid":"xxx"
    "accountdetails":{
        "total":"1.1"
        "category":[
        {
            "desc":"one",
            "currentinfo":{
            "value":"10"
        },
            "subcategory":[
            {
                "categoryDesc":"sub",
                "value":"10",
                "currentinfo":{
                    "value":"10"
                }
            }]
        }]
    }
}

谢谢，

Answer 1

似乎您的json无效。
请用http://www.jsoneditoronline.org/检查

请参阅an-introduction-to-json-support-in-spark-sql.html

如果您想注册为表格，可以像下面一样注册并打印模式。

DataFrame df = sqlContext.read().json("/path/to/validjsonfile").toDF();
    df.registerTempTable("df");
    df.printSchema();

以下是示例代码段

DataFrame app = df.select("toplevel");
        app.registerTempTable("toplevel");
        app.printSchema();
        app.show();
DataFrame appName = app.select("toplevel.sublevel");
        appName.registerTempTable("sublevel");
        appName.printSchema();
        appName.show();

scala的示例:

{"name":"Michael", "cities":["palo alto", "menlo park"], "schools":[{"sname":"stanford", "year":2010}, {"sname":"berkeley", "year":2012}]}
{"name":"Andy", "cities":["santa cruz"], "schools":[{"sname":"ucsb", "year":2011}]}
{"name":"Justin", "cities":["portland"], "schools":[{"sname":"berkeley", "year":2014}]}

 val people = sqlContext.read.json("people.json")
people: org.apache.spark.sql.DataFrame

阅读顶级字段

val names = people.select('name).collect()
names: Array[org.apache.spark.sql.Row] = Array([Michael], [Andy], [Justin])

 names.map(row => row.getString(0))
res88: Array[String] = Array(Michael, Andy, Justin)

使用select()方法指定顶级字段，使用collect()将其收集到Array [Row]中，并使用getString()方法访问每个Row中的列。

展平并读取JSON数组

每个人都有一组“城市”。让我们展平这些数组并读出它们的所有元素。

val flattened = people.explode("cities", "city"){c: List[String] => c}
flattened: org.apache.spark.sql.DataFrame

val allCities = flattened.select('city).collect()
allCities: Array[org.apache.spark.sql.Row]

 allCities.map(row => row.getString(0))
res92: Array[String] = Array(palo alto, menlo park, santa cruz, portland)

explode()方法将城市阵列爆炸或展平到名为“city”的新列中。然后，我们使用select()选择新列，使用collect()将其收集到Array [Row]中，并使用getString()访问每个Row中的数据。

读取未拼合的嵌套JSON对象数组

读取“学校”数据，该数据是嵌套的JSON对象的数组。数组的每个元素都包含学校名称和年份:

 val schools = people.select('schools).collect()
schools: Array[org.apache.spark.sql.Row]


val schoolsArr = schools.map(row => row.getSeq[org.apache.spark.sql.Row](0))
schoolsArr: Array[Seq[org.apache.spark.sql.Row]]

 schoolsArr.foreach(schools => {
    schools.map(row => print(row.getString(0), row.getLong(1)))
    print("\n")
 })
(stanford,2010)(berkeley,2012) 
(ucsb,2011) 
(berkeley,2014)

使用 select()和 collect()选择“schools”数组并将其收集到 Array[Row]中。现在，每个“schools”数组的类型均为 List[Row]，因此我们使用 getSeq[Row]()方法将其读出。最后，我们可以通过为学校名称调用 getString()和为学年调用 getLong()来读取每所学校的信息。