Question

拥有Dataset<Row>单列json字符串：

+--------------------+
|               value|
+--------------------+
|{"Context":"00AA0...|
+--------------------+

Json样本：

{"Context":"00AA00AA","MessageType":"1010","Module":"1200"}

如何才能最有效地获得Dataset<Row>，如下所示：

+--------+-----------+------+
| Context|MessageType|Module|
+--------+-----------+------+
|00AA00AA|       1010|  1200|
+--------+-----------+------+

我正在流中处理这些数据，我知道当我从文件中读取数据时，spark可以自己做这件事：

spark
.readStream()
.schema(MyPojo.getSchema())
.json("src/myinput")

但现在我正在读取kafka的数据，它以另一种形式提供数据。我知道我可以使用像Gson这样的解析器，但我想让火花为我做。

Answer 1

试试这个样本。

public class SparkJSONValueDataset {
    public static void main(String[] args) {
        SparkSession spark = SparkSession
                .builder()
                .appName("SparkJSONValueDataset")
                .config("spark.sql.warehouse.dir", "/file:C:/temp")
                .master("local")
                .getOrCreate();

        //Prepare data Dataset<Row>
        List<String> data = Arrays.asList("{\"Context\":\"00AA00AA\",\"MessageType\":\"1010\",\"Module\":\"1200\"}");
        Dataset<Row> df = spark.createDataset(data, Encoders.STRING()).toDF().withColumnRenamed("_1", "value");
        df.show();

        //convert to Dataset<String> and Read
        Dataset<String> df1 = df.as(Encoders.STRING());
        Dataset<Row> df2 = spark.read().json(df1.javaRDD());
        df2.show();
        spark.stop();
    }
 }

将Json的数据集列解析为数据集<row>

1 个答案: