如何在 spark 中将 Avro Schema 对象转换为 StructType

Question

我有一个 Row 类型的 RDD，即 RDD[Row] 和 avro 模式对象。我需要用这个信息创建一个数据框。

我需要将 avro 架构对象转换为 StructType 以创建 DataFrame。

你能帮忙吗。

Answer 1

com.databricks.spark.avro 有一个课程可以帮助您解决这个问题

 StructType requiredType = (StructType) SchemaConverters.toSqlType(AvroClass.getClassSchema()).dataType();

请通过这个具体的例子： http : //bytepadding.com/big-data/spark/read-write-parquet-files-using-spark/

Answer 2

更新至 2020-05-31

如果您使用的是带有较新 Spark 版本的 Scala 2.12 ，请在下面使用。

sbt：

scalaVersion := "2.12.11"
val sparkVersion = "2.4.5"
libraryDependencies += "org.apache.spark" %% "spark-avro" % sparkVersion

import org.apache.spark.sql.avro.SchemaConverters
import org.apache.spark.sql.types.StructType

val schemaType = SchemaConverters
  .toSqlType(avroSchema)
  .dataType
  .asInstanceOf[StructType]

Answer 3

Databrics 支持 spark-avro 包中的 avro 相关实用程序，在 sbt "com.databricks" % "spark-avro_2.11" % "3.2.0" 中使用以下依赖项

代码

*

val sqlSchema = SchemaConverters.toSqlType(avroSchema)

*

在 '3.2.0' 版本之前，'toSqlType' 是私有方法，因此如果您使用的版本比 3.2 旧，则在您自己的 util 类中复制完整方法，否则升级到最新版本。

Answer 4

在pyspark中做同样的任何例子吗？ 下面的代码对我有用，但应该有其他更简单的方法来做到这一点

# pyspark --packages org.apache.spark:spark-avro_2.11:2.4.4

import requests
import os
import avro.schema

from pyspark.sql.types import StructType

schema_registry_url = 'https://schema-registry.net/subjects/subject_name/versions/latest/schema'
schema_requests = requests.get(url=schema_registry_url)

spark_type = sc._jvm.org.apache.spark.sql.avro.SchemaConverters.toSqlType(sc._jvm.org.apache.avro.Schema.Parser().parse(schema_requests.text))

Answer 5

在 pyspark 2.4.7 中，我的解决方案是使用 avroschema 创建一个空数据帧，然后从这个空数据帧中获取 StructType 对象。

with open('/path/to/some.avsc','r') as avro_file:
    avro_scheme = avro_file.read()

df = spark\
    .read\
    .format("avro")\
    .option("avroSchema", avro_scheme)\
    .load()

struct_type = df.schema