Java Spark Streaming JSON解析

Question

我已经开始从Spark引擎学习火花流，并且很新的数据分析和火花。 我只是想创建一个小IOT应用程序，我想在其中预测未来的数据。

我有Tiva硬件，它发送实时传感器JSON数据如下，

[{"t":1478091719000,"sensors":[{"s":"s1","d":"+253.437"},{"s":"s2","d":"+129.750"},{"s":"s3","d":"+45.500"},{"s":"s4","d":"+255.687"},{"s":"s5","d":"+290.062"},{"s":"s6","d":"+281.500"},{"s":"s7","d":"+308.250"},{"s":"s8","d":"+313.812"}]}]

在此t中是发布数据的unix时间戳。 传感器是传感器阵列，每个传感器（'s'）数据为'd'。

我想要做的是，使用这些数据并创建火花流的对象，然后通过spark的Mlib（机器学习）或等效库传递所有数据以预测未来的数据。

我想要了解所有技术选择是否可行

1. 我决定用？
2. 我如何使用嵌套的JSON？ 我尝试使用SQLContext但没有成功。
3. 实现我在这里尝试做的一般准则。

这是我用来消费来自KAFKA的消息的代码。

SparkConf conf = new SparkConf().setAppName("DattusSpark").setMaster("local[2]");

    JavaSparkContext sc = new JavaSparkContext(conf);

    JavaStreamingContext ssc = new JavaStreamingContext(sc, new Duration(2000));

    // TODO: processing pipeline
    Map<String, String> kafkaParams = new HashMap<String, String>();
    kafkaParams.put("metadata.broker.list", "kafkaserver_address:9092");
    Set<String> topics = Collections.singleton("RAH");


    JavaPairInputDStream<String, String> directKafkaStream = 
            KafkaUtils.createDirectStream(ssc, String.class, String.class, StringDecoder.class,
                    StringDecoder.class, kafkaParams, topics);


    JavaDStream<String> json = directKafkaStream.map(new Function<Tuple2<String,String>, String>() {
        public String call(Tuple2<String,String> message) throws Exception {
            System.out.println(message._2());
            return message._2();
        };
    });


    System.out.println(" json is  0------ 0"+ json);



    json.foreachRDD(rdd -> {
        rdd.foreach(
                record -> System.out.println(record));
    });

    ssc.start();
    ssc.awaitTermination(); 

PS：我想在Java中做到这一点，以保持线性和良好的性能。

Answer 1

由于您使用的是SparkSession的SPark 2.0，因此您可以阅读JSON

json.foreachRDD( rdd -> {

      DataFrame df= spark.read.json(rdd)
      //process json with this DF.
}

或者您可以将rdd转换为Row的RDD，然后您可以使用createDataFrame方法。

json.foreachRDD( rdd -> {

          DataFrame df= spark.createDataFrame(rdd);
          //process json with this DF.
    }

嵌套JSON处理可能从DF，您可以按照此文章。

此外，一旦你将你的json转换为DF，你可以在任何火花模块中使用它（如spark sql，ML）

Answer 2

回答你的问题：

1）我决定使用所有技术选择是否可行？

`Ans: Yes it can be done and quiet a normal use-case for spark.`

2）如何使用嵌套的JSON？ 我尝试使用SQLContext但没有成功。

`Ans: Nested JSON with SQLContext is little tricky. You may want to use Jackson or some other JSON library.`

3）实现我在这里尝试做的一般准则。

Ans: Consuming messages through kafka seems fine, but only a limited machine learning algorithms are supported through streaming.

如果您想使用其他机器学习算法或第三方库，也许您应该将模型创建视为最后发出模型的批处理作业。 流式传输作业应加载模型并获取数据流并仅进行预测。