[英]Scala - read JSON file as a single String with Spark
我有描述表结构的JSON文件。 我想读从S3每个文件以然后应用一个单独的字符串fromJson()
的方法apache.spark.sql.types.DataType
DataType.fromJson(jsonString).asInstanceOf[StructType]
但是现在我只设法将文件读入DataFrame中:
val testJsonData = sqlContext.read.option("multiline", "true").json("/s3Bucket/metrics/metric1.json")
但是我不需要df.schema
,而是需要将JSON字符串的内容解析为StructType。
JSON文件的内容:
{
"type" : "struct",
"fields" : [ {
"name" : "metric_name",
"type" : "string",
"nullable" : true,
"metadata" : { }
}, {
"name" : "metric_time",
"type" : "long",
"nullable" : true,
"metadata" : { }
}, {
"name" : "metric_value",
"type" : "string",
"nullable" : true,
"metadata" : { }
}]
}
看起来您要使用的是sc.wholeTextFiles
(在这种情况下,sc是SparkContext
)。
这将导致RDD[(String, String)]
,其中._1
是文件名, ._2
是整个文件内容。 也许您可以尝试:
val files = sc.wholeTextFiles("/s3Bucket/metrics/", 16).toDS()
files.map(DataType.fromJson(_._2).asInstanceOf[StructType])
从理论上讲,它将为您提供Dataset[StructType]
。 不幸的是,我没有在纯Spark sql API中找到类似的功能,但这可能有用。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.