json 示例_Spark SQL - JSON数据集

Spark SQL可以自动捕获JSON数据集的模式，并将其作为DataFrame加载。 可以使用SQLContext.read.json（）对String或JSON文件的RDD进行此转换。Spark SQL提供了一个选项，用于查询JSON数据以及自动捕获用于读取和写入数据的JSON模式。 Spark SQL了解JSON数据中的嵌套字段，并允许用户直接访问这些字段，而无需任何显式转换。

例

让我们考虑一个名为employee.json的文本文件中的员工记录示例。 使用以下命令创建DataFrame（df）。使用以下内容读取一个名为employee.json的JSON文档，并根据JSON文档中的模式生成一个表。

employee.json - 将此文件放在当前scala>指针所在的目录中。

让我们对给定的数据执行一些数据帧操作。

DataFrame操作

DataFrame为结构化数据操作提供了一个领域特定的语言。 这里我们包括使用DataFrames的结构化数据处理的一些基本示例。

按照以下步骤执行DataFrame操作 -

阅读JSON文档

首先，我们必须读取JSON文档。 基于此，生成名为dfs的DataFrame。

使用以下命令读取名为employee.json的JSON文档，其中包含字段 - id，name和age。 它创建一个名为dfs的DataFrame。

输出

： 字段名称自动从employee.json中获取。

使用printSchema方法

如果要查看DataFrame的Structure（Schema），请使用以下命令。

输出

显示数据

如果要在DataFrame中显示数据，请使用以下命令。

输出

：您可以以表格格式查看员工数据

然后我们可以运行不同的SQL语句。用户可以以最小的努力将数据迁移到JSON格式，而不管数据源的来源。