如何将火花流输出转换为数据帧或存储在表中

Posted 2023-04-17

【中文标题】如何将火花流输出转换为数据帧或存储在表中

【英文标题】：How to convert spark streaming output into dataframe or storing in table

【发布时间】：2018-02-26 15:23:31

【问题描述】：

我的代码是：

val lines = KafkaUtils.createStream(ssc, "localhost:2181", "spark-streaming-consumer-group", Map("hello" -> 5))
val data=lines.map(_._2)
data.print()

我的输出有 50 个不同的值，格式如下

"id:st04","data:26-02-2018 20:30:40","temp:30", "press:20"

谁能帮我将这些数据以表格形式存储为

| id |date               |temp|press|   
|st01|26-02-2018 20:30:40| 30 |20   |  
|st01|26-02-2018 20:30:45| 80 |70   |  

我会很感激的。

【参考方案1】：

您可以使用 foreachRDD 函数，以及普通的 Dataset API：

data.foreachRDD(rdd => 
    // rdd is RDD[String]
    // foreachRDD is executed on the  driver, so you can use SparkSession here; spark is SparkSession, for Spark 1.x use SQLContext
    val df = spark.read.json(rdd); // or sqlContext.read.json(rdd)
    df.show(); 
    df.write.saveAsTable("here some unique table ID");
);

但是，如果您使用 Spark 2.x，我建议您使用结构化流：

val stream = spark.readStream.format("kafka").load()
val data = stream
            .selectExpr("cast(value as string) as value")
            .select(from_json(col("value"), schema))
data.writeStream.format("console").start();

您必须手动指定架构，但这很简单:) 还要在任何处理之前导入org.apache.spark.sql.functions._

【讨论】：

我不能使用 spark.load.json。即使使用 SQLContext 也会给出错误。我试过这个 val sqlcontext=new SQLContext(sc) import sqlcontext.implicits._ data.foreachRDD rdd=> val dfi=sqlcontext.load.json(rdd) 但它对 sqlcontext 上的重载定义给出了模棱两可的参考。

@huny 您使用哪个 Spark 版本？错误是什么？一般来说，它应该工作。也许你有一些极端情况:)

我使用的是 spark 2.10 版本 1.5.1

@ T. Gawęda 我试过了，val res=rdd.toDF().registerTempTable("sensor") System.ln.print(res).. 没有错误，但显示为空()

非常感谢您的耐心和解答。终于解决了:)