如何在Java中的Spark Streaming中解析复杂的JSON数据

Question

我们正在开发物联网应用

我们从要对其进行分析的每个设备中获取以下数据流，

[{"t":1481368346000,"sensors":[{"s":"s1","d":"+149.625"},{"s":"s2","d":"+23.062"},{"s":"s3","d":"+16.375"},{"s":"s4","d":"+235.937"},{"s":"s5","d":"+271.437"},{"s":"s6","d":"+265.937"},{"s":"s7","d":"+295.562"},{"s":"s8","d":"+301.687"}]}]

在初级，我能够使用spark java代码获取架构，如下所示：

    root
     |-- sensors: array (nullable = true)
     |    |-- element: struct (containsNull = true)
     |    |    |-- d: string (nullable = true)
     |    |    |-- s: string (nullable = true)
     |-- t: long (nullable = true)

我写的代码是

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

    SQLContext sqlContext = spark.sqlContext();
    json.foreachRDD(new VoidFunction<JavaRDD<String>>() {
        @Override
        public void call(JavaRDD<String> jsonRecord) throws Exception {

            Dataset<Row> row = sqlContext.read().json(jsonRecord).toDF();
            row.createOrReplaceTempView("MyTable");
            row.printSchema();
            row.show();

            Dataset<Row> sensors = row.select("sensors");
            sensors.createOrReplaceTempView("sensors");
            sensors.printSchema();
            sensors.show();

        }
    });

这给了我一个错误，因为“ org.apache.spark.sql.AnalysisException：在给定的输入列：[];下无法解析' sensors '”

我是Spark和Analytics（分析）的初学者，无法在Java中找到任何解析嵌套json的好示例。

我想要达到的目标是，可能需要这里专家的建议，

我将提取每个传感器值，然后使用spark的sparkML库运行回归分析。 这将有助于我找出每个传感器流中正在发生的趋势，以及我想使用该数据来检测故障。

我不确定哪种方法应该是最好的方法，任何指导，链接和信息都将真正有用。

Answer 1

这是json.foreachRDD样子。

json.foreachRDD(new VoidFunction<JavaRDD<String>>() {
        @Override
        public void call(JavaRDD<String> rdd) {
            if(!rdd.isEmpty()){
                Dataset<Row> data = spark.read().json(rdd).select("sensors");
                data.printSchema();
                data.show(false);
                //DF in table
                Dataset<Row> df = data.select( org.apache.spark.sql.functions.explode(org.apache.spark.sql.functions.col("sensors"))).toDF("sensors").select("sensors.s","sensors.d");
                df.show(false);
            }
        }
    });

对于回归分析示例，您可以在以下网址引用JavaRandomForestRegressorExample.java

对于使用Spark机器学习和Spark Streaming进行实时数据分析，您可以参考以下文章。

• https://www.mapr.com/blog/monitoring-real-time-uber-data-using-spark-machine-learning-streaming-and-kafka-api-part-1
• https://www.mapr.com/blog/real-time-credit-card-fraud-detection-apache-spark-and-event-streaming