Как преобразовать строку в json в Spark 2 Scala

есть ли простой способ преобразования данного объекта строки в JSON?

нашел это о преобразовании всего фрейма данных в вывод json: Искра строка в JSON

но я просто хочу преобразовать одну строку в json. Вот псевдо-код для того, что я пытаюсь сделать.

точнее, я читаю json как вход в фрейм данных. Я создаю новый вывод, который в основном основан на столбцах, но с одним полем json для всей информации, которая не подходит в колонну.

мой вопрос: Какой самый простой способ написать эту функцию: convertRowToJson()

def convertRowToJson(row: Row): String = ???

def transformVenueTry(row: Row): Try[Venue] = {
  Try({
    val name = row.getString(row.fieldIndex("name"))
    val metadataRow = row.getStruct(row.fieldIndex("meta"))
    val score: Double = calcScore(row)
    val combinedRow: Row = metadataRow ++ ("score" -> score)
    val jsonString: String = convertRowToJson(combinedRow)
    Venue(name = name, json = jsonString)
  })
}

решения Psidom:

def convertRowToJSON(row: Row): String = {
    val m = row.getValuesMap(row.schema.fieldNames)
    JSONObject(m).toString()
}

работает только в том случае, если строка имеет только один уровень без вложенной строки. Это схема: 

StructType(
    StructField(indicator,StringType,true),   
    StructField(range,
    StructType(
        StructField(currency_code,StringType,true),
        StructField(maxrate,LongType,true), 
        StructField(minrate,LongType,true)),true))

также попробовал предложение Артема, но это не скомпилировало:

def row2DataFrame(row: Row, sqlContext: SQLContext): DataFrame = {
  val sparkContext = sqlContext.sparkContext
  import sparkContext._
  import sqlContext.implicits._
  import sqlContext._
  val rowRDD: RDD[Row] = sqlContext.sparkContext.makeRDD(row :: Nil)
  val dataFrame = rowRDD.toDF() //XXX does not compile
  dataFrame
}
7
apache-spark json json4s scala

7 ответов

можно использовать getValuesMap чтобы преобразовать объект строки в карту, а затем преобразовать его JSON:

import scala.util.parsing.json.JSONObject
import org.apache.spark.sql._

val df = Seq((1,2,3),(2,3,4)).toDF("A", "B", "C")    
val row = df.first()          // this is an example row object

def convertRowToJSON(row: Row): String = {
    val m = row.getValuesMap(row.schema.fieldNames)
    JSONObject(m).toString()
}

convertRowToJSON(row)
// res46: String = {"A" : 1, "B" : 2, "C" : 3}
10

мне нужно прочитать вход json и произвести выход json. Большинство полей обрабатываются индивидуально, но несколько подобъектов json должны быть просто сохранены.

когда Spark читает фрейм данных, он превращает запись в строку. Строка является структурой, подобной json. Это можно преобразовать и записать в json.

но мне нужно взять некоторые структуры sub json в строку для использования в качестве нового поля.

Это можно сделать так:

dataFrameWithJsonField = dataFrame.withColumn("address_json", to_json($"location.address"))

location.address is путь к объекту sub json входящего фрейма данных на основе json. address_json - имя столбца этого объекта, преобразованного в строковую версию json.

to_json реализован в Spark 2.1.

если он генерирует выходной json, используя json4s address_json, должен быть проанализирован в представление AST, иначе выходной json будет иметь часть address_json.

3

по сути, вы можете иметь таблицу данных, который содержит только одну строку. Таким образом, вы можете попытаться отфильтровать исходный фрейм данных, а затем проанализировать его в json.

1

JSon имеет схему, но строка не имеет схемы, поэтому вам нужно применить схему к строке и преобразовать в JSon. Вот как вы можете это сделать.

import org.apache.spark.sql.Row
import org.apache.spark.sql.types._

def convertRowToJson(row: Row): String = {

  val schema = StructType(
      StructField("name", StringType, true) ::
      StructField("meta", StringType, false) ::  Nil)

      return sqlContext.applySchema(row, schema).toJSON
}
1

обратите внимание на класс scala scala.утиль.разбор.формат JSON.JSONObject устарел и не поддерживает значения null.

@deprecated ("этот класс будет удален.", "2.11.0")

" JSONFormat.defaultFormat не обрабатывает значения null"

https://issues.scala-lang.org/browse/SI-5092

1

я комбинирую предложение от: Артема, Киранма и Псидома. Сделал много трасс и ошибок и придумал эти решения, которые я тестировал для вложенных структур:

def row2Json(row: Row, sqlContext: SQLContext): String = {
  import sqlContext.implicits
  val rowRDD: RDD[Row] = sqlContext.sparkContext.makeRDD(row :: Nil)
  val dataframe = sqlContext.createDataFrame(rowRDD, row.schema)
  dataframe.toJSON.first
}

это решение работало, но только во время работы в режиме драйвера.

0

У меня была такая же проблема, у меня были паркетные файлы с канонической схемой (без массивов), и я хочу только получить события json. Я сделал следующее, И, похоже, все работает отлично (Spark 2.1):

import org.apache.spark.sql.types.StructType
import org.apache.spark.sql.{DataFrame, Dataset, Row}
import scala.util.parsing.json.JSONFormat.ValueFormatter
import scala.util.parsing.json.{JSONArray, JSONFormat, JSONObject}

def getValuesMap[T](row: Row, schema: StructType): Map[String,Any] = {
  schema.fields.map {
    field =>
      try{
        if (field.dataType.typeName.equals("struct")){
          field.name -> getValuesMap(row.getAs[Row](field.name),   field.dataType.asInstanceOf[StructType]) 
        }else{
          field.name -> row.getAs[T](field.name)
        }
      }catch {case e : Exception =>{field.name -> null.asInstanceOf[T]}}
  }.filter(xy => xy._2 != null).toMap
}

def convertRowToJSON(row: Row, schema: StructType): JSONObject = {
  val m: Map[String, Any] = getValuesMap(row, schema)
  JSONObject(m)
}
//I guess since I am using Any and not nothing the regular ValueFormatter is not working, and I had to add case jmap : Map[String,Any] => JSONObject(jmap).toString(defaultFormatter)
val defaultFormatter : ValueFormatter = (x : Any) => x match {
  case s : String => "\"" + JSONFormat.quoteString(s) + "\""
  case jo : JSONObject => jo.toString(defaultFormatter)
  case jmap : Map[String,Any] => JSONObject(jmap).toString(defaultFormatter)
  case ja : JSONArray => ja.toString(defaultFormatter)
  case other => other.toString
}

val someFile = "s3a://bucket/file"
val df: DataFrame = sqlContext.read.load(someFile)
val schema: StructType = df.schema
val jsons: Dataset[JSONObject] = df.map(row => convertRowToJSON(row, schema))
0