Scala-如何调用REST API并在HDFS中另存为json文件？

Question

环境：Scala和spark 1.6

我在尝试着 -
1.通过Rest API调用获取JSON数据
2.将HDFS作为json文件写入。3.将json文件转换为数据框

val rawdata = "curl http://services.groupkt.com/state/get/USA/all"!!
println(rawdata)  // can see json output, but can't save as file in HDFS

我可以在屏幕上看到输出，但是如何将原始数据的内容写入hdfs url（hdfs：//quickstart.cloudera：8020 / user / hive / warehouse / test /）？ 还是有没有办法保存原始数据内容而不保存为文件？ 我还需要将json转换为dataframe。

提前致谢
侯赛因

Answer 1

val rawdata = "curl http://services.groupkt.com/state/get/USA/all"!!
println(rawdata) 

一旦有了data ，就可以使用此答案中的代码将其保存在Hadoop 。

创建数据框：

假设您的json字符串是这样的：

{"time":"sometext1","host":"somehost1","event":  {"category":"sometext2","computerName":"somecomputer1"}}

您可以通过以下代码将json into dataframe ：

// Creating Rdd    
val vals = sc.parallelize(
  """{"time":"sometext1","host":"somehost1","event":  {"category":"sometext2","computerName":"somecomputer1"}}""" ::
    Nil)

// Creating Schema   
val schema = (new StructType)
  .add("time", StringType)
  .add("host", StringType)
  .add("event", (new StructType)
    .add("category", StringType)
    .add("computerName", StringType))

import sqlContext.implicits._
val jsonDF = sqlContext.read.schema(schema).json(vals)

创建dataframe您仍然可以选择使用spark-csv lib或在RDD上使用saveAsTextFile方法将其保存在hadoop 。