我完全是Apache Spark的新手,因此,如果我的问题似乎很天真,我很抱歉,但我没有在互联网上找到明确的答案。
以下是我的问题的上下文:我想从Apache Kafka服务器检索json输入数据。格式如下:
{"deviceName":"device1", "counter":125}
{"deviceName":"device1", "counter":125}
{"deviceName":"device2", "counter":88}
{"deviceName":"device1", "counter":125}
{"deviceName":"device2", "counter":88}
{"deviceName":"device1", "counter":125}
{"deviceName":"device3", "counter":999}
{"deviceName":"device3", "counter":999}
使用Spark或Spark Streaming,我想处理这些数据并获得以下格式的输出:
{"deviceName":"device1", "counter":125, "nbOfTimes":4}
{"deviceName":"device2", "counter":88, "nbOfTimes":2}
{"deviceName":"device3", "counter":999, "nbOfTimes":2}
所以,我想知道我是否可以使用Spark进行搜索。如果是的话,你能给我一些指导吗?我会非常感激。
乔
答案 0 :(得分:2)
可以使用Spark和Spark Streaming完成。但是,让我们考虑使用包含数据的json文件的第一种情况。
val df = sqlContext.read.format("json").load("text.json")
// df: org.apache.spark.sql.DataFrame = [counter: bigint, deviceName: string]
df.show
// +-------+----------+
// |counter|deviceName|
// +-------+----------+
// | 125| device1|
// | 125| device1|
// | 88| device2|
// | 125| device1|
// | 88| device2|
// | 125| device1|
// | 999| device3|
// | 999| device3|
// +-------+----------+
df.groupBy("deviceName","counter").count.toDF("deviceName","counter","nbOfTimes").show
// +----------+-------+---------+
// |deviceName|counter|nbOfTimes|
// +----------+-------+---------+
// | device1| 125| 4|
// | device2| 88| 2|
// | device3| 999| 2|
// +----------+-------+---------+
显然你可以把它写成你想要的任何格式。但我认为你得到了主要的想法。