我正在使用具有以下结构的火花结构流来阅读流:
col1
col2
col3
经过一些转换后,我想以json格式将数据帧写入控制台。我正在尝试以下方法:
df.select(to_json($"*"))
.writeStream
.outputMode("append")
.format("console")
.start()
但我得到Invalid usage of '*' in expression 'structstojson';
有没有办法将所有行合并到同一列中才能使用to_json
?
预期输出是一个数据帧,其中一列在每行上都有json数据:
{"col1":"val11","col2":"val12","col3":"val13"}
{"col1":"val21","col2":"val22","col3":"val23"}
答案 0 :(得分:5)
to_json
有以下定义:
def to_json(e: org.apache.spark.sql.Column): org.apache.spark.sql.Column
def to_json(e: org.apache.spark.sql.Column,options: java.util.Map[String,String]): org.apache.spark.sql.Column
def to_json(e: org.apache.spark.sql.Column,options: Map[String,String]): org.apache.spark.sql.Column
这是我们的数据框:
df.show
+----+----+----+
|col1|col2|col3|
+----+----+----+
| a| b| c|
| d| e| f|
+----+----+----+
您需要创建struct
,然后在其上调用to_json
。类似的东西:
df.select(to_json( struct( df.columns.map(col(_)):_* ) ) as "json").show(false)
+----------------------------------+
|json |
+----------------------------------+
|{"col1":"a","col2":"b","col3":"c"}|
|{"col1":"d","col2":"e","col3":"f"}|
+----------------------------------+
答案 1 :(得分:0)
这是一种更直接的方法:
df.toJSON.writeStream
.queryName("aakriti")
.outputMode("append")
.format("console")
.option("numRows", "1000")
.option("truncate", false)
.start();