从SparkSQL中保存scala中的JSON

Question

我正在使用Spark SQL从JSON文件中提取一些信息。问题是我想将SQL分析的结果保存到另一个JSON中，以便用Plateau或d3.js绘制它。问题是我不知道该怎么做。有什么建议吗？

val inputTable = sqlContext.jsonFile(inputDirectory).cache() inputTable.registerTempTable("inputTable")

val languages = sqlContext.sql("""
        SELECT 
            user.lang, 
            COUNT(*) as cnt
        FROM tweetTable 
        GROUP BY user.lang
        ORDER BY cnt DESC 
        LIMIT 15""")
languages.rdd.saveAsTextFile(outputDirectory + "/lang")
languages.collect.foreach(println)

我不介意将数据保存到.csv文件中，但我不知道该怎么做。

谢谢！

Answer 1

只是

val languagesDF: DataFrame = sqlContext.sql("<YOUR_QUERY>")
languagesDF.write.json("your.json")

您无需返回RDD。

但是，请注意，您的JSON将分为多个部分。 如果那不是您的意图，请阅读

• Save a large Spark Dataframe as a single json file in S3和
• Write single CSV file using spark-csv（此处为CSV，但可以很容易地适应JSON）

关于如何规避这个问题（如果真的需要）。重点是使用repartition或coalesce。