Spark基础学习笔记26:Spark SQL数据源 - JSON数据集

Posted howard2005

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Spark基础学习笔记26:Spark SQL数据源 - JSON数据集相关的知识,希望对你有一定的参考价值。

文章目录

零、本讲学习目标

  1. 掌握如何读取JSON文件
  2. 掌握如何进行关联查询

一、读取JSON文件概述

  • Spark SQL可以自动推断JSON文件的Schema,并将其加载为DataFrame。在加载和写入JSON文件时,除了可以使用load()方法和save()方法外,还可以直接使用Spark SQL内置的json()方法。该方法不仅可以读写JSON文件,还可以将Dataset[String]类型的数据集转为DataFrame。
  • 需要注意的是,要想成功地将一个JSON文件加载为DataFrame,JSON文件的每一行必须包含一个独立有效的JSON对象,而不能将一个JSON对象分散在多行。

二、读取JSON文件案例演示

(一)创建JSON文件并上传到HDFS

  • 创建user.json文件
  • 上传到HDFS的/input目录
  • 创建score.json文件
  • 上传到HDFS的/input目录

(二)读取JSON文件,创建临时表,进行关联查询

1、读取user.json文件,创建临时表t_user

  • 执行命令:val userdf = spark.read.json("hdfs://master:9000/input/user.json")
  • 查看用户数据帧的内容
  • 创建临时表t_user

2、读取score.json文件,创建临时表t_score

  • 执行命令:val scoredf = spark.read.json("hdfs://master:9000/input/score.json")
  • 查看成绩数据帧的内容
  • 创建临时表t_score

3、关联查询生成新的数据帧

  • 执行命令:val resultdf = spark.sql("select u.name, u.age, s.score from t_user u inner join t_score s on u.name = s.name")
  • 查看结果数据帧的内容

(三)利用json()方法将数据集转成数据帧

1、在Spark Shell里交互式完成任务

  • 创建用户数组:执行命令:val userarr = Array("'name': 'Mike', 'age': 18", "'name': 'Alice', 'age': 30", "'name': 'Brown', 'age': 38")
  • 基于用户数组创建用户数据集,执行命令:val userds = spark.createDataset(userarr)
  • 将用户数据集转成用户数据帧,执行命令:val userdf = spark.read.json(userds.rdd)(注意要将数据集转成RDD才能作为json()方法的参数)
  • 显示用户数据帧的内容

2、在IDEA里编写Scala程序完成任务

  • 创建Dataset2DataFrame单例对象
package net.hw.sparksql

import org.apache.spark.sql.Dataset, SparkSession

/**
 * 功能:利用json()方法将数据集转成数据帧
 * 作者:华卫
 * 日期:2022年05月11日
 */
object Dataset2DataFrame 
  def main(args: Array[String]): Unit = 
    // 设置HADOOP用户名属性,否则本地运行访问会被拒绝
    System.setProperty("HADOOP_USER_NAME", "root")

    // 创建或得到SparkSession
    val spark = SparkSession.builder()
      .appName("SparkSQLDataSource")
      .master("local[*]")
      .getOrCreate()

    // 导入隐式转换
    import spark.implicits._
    // 创建用户数组
    val userarr = Array("'name': 'Mike', 'age': 18",
      "'name': 'Alice', 'age': 30",
      "'name': 'Brown', 'age': 38")
    // 基于用户数组创建用户数据集
    val userds: Dataset[String] = spark.createDataset(userarr)
    // 将用户数据集转成用户数据帧
    val userdf = spark.read.json(userds.rdd)
    // 显示用户数据帧内容
    userdf.show()
  

  • 运行程序,查看结果

以上是关于Spark基础学习笔记26:Spark SQL数据源 - JSON数据集的主要内容,如果未能解决你的问题,请参考以下文章

Spark基础学习笔记27:Spark SQL数据源 - Hive表

学习笔记Spark—— Spark SQL应用—— Spark DataFrame基础操作

Spark基础学习笔记28:Spark SQL数据源 - JDBC

Spark基础学习笔记25:Spark SQL数据源 - Parquet文件

学习笔记Spark—— Spark SQL应用—— Spark DataSet基础操作

Spark基础学习笔记30:Spark SQL案例分析