如何在 Spark 2 Scala 中将 Row 转换为 json

Posted

技术标签:

【中文标题】如何在 Spark 2 Scala 中将 Row 转换为 json【英文标题】:How to convert Row to json in Spark 2 Scala 【发布时间】:2017-01-11 22:28:22 【问题描述】:

有没有一种简单的方法可以将给定的 Row 对象转换为 json?

发现这个关于将整个 Dataframe 转换为 json 输出: Spark Row to JSON

但我只想将一行转换为 json。 这是我正在尝试做的伪代码。

更准确地说,我正在读取 json 作为 Dataframe 中的输入。 我正在生成一个主要基于列的新输出,但为所有不适合列的信息使用一个 json 字段。

我的问题是编写此函数的最简单方法是什么: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)
  )

Psidom 的解决方案:

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

仅当 Row 只有一层而不是嵌套 Row 时才有效。这是架构:

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

也尝试了 Artem 的建议,但没有编译:

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

【问题讨论】:

【参考方案1】:

您可以使用getValuesMap将行对象转换为Map,然后将其转换为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

【讨论】:

更正:它实际上只适用于 Map / Struct 的第一级,不适用于嵌套 Map 你只会看到值而不是键。 @SamiBadawi 在哪里可以找到嵌套地图的解决方案? 我也遇到了嵌套问题【参考方案2】:

我需要读取 json 输入并生成 json 输出。 大多数字段都是单独处理的,但只需要保留一些 json 子对象。

当 Spark 读取数据帧时,它会将记录转换为行。 Row 是一个类似 json 的结构。可以将其转换并写入 json。

但我需要将一些子 json 结构提取到一个字符串中以用作新字段。

这可以这样完成:

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

location.address 是传入的基于 json 的数据帧的子 json 对象的路径。 address_json 是该对象的列名转换为 json 的字符串版本。

to_json 在 Spark 2.1 中实现。

如果使用 json4s 生成输出 json,则 address_json 应解析为 AST 表示,否则输出 json 将转义 address_json 部分。

【讨论】:

【参考方案3】:

注意 scala 类 scala.util.parsing.json.JSONObject 已弃用且不支持空值。

@deprecated("该类将被移除。", "2.11.0")

“JSONFormat.defaultFormat 不处理空值”

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

【讨论】:

谢谢阿农。有一些关于 Scala 中现代化 json 支持的讨论。【参考方案4】:

JSon 有 schema 但 Row 没有 schema,因此您需要在 Row 上应用 schema 并转换为 JSON。这是你可以做到的。

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

【讨论】:

【参考方案5】:

基本上,您可以拥有一个仅包含一行的数据框。因此,您可以尝试过滤初始数据帧,然后将其解析为 json。

【讨论】:

感谢您的建议。我试过你的方法: 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 没有编译 dataFrame 它没有编译。【参考方案6】:

我有同样的问题,我有规范模式的镶木地板文件(没有数组),我只想获取 json 事件。我做了如下,它似乎工作得很好(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))

【讨论】:

【参考方案7】:

如果你正在迭代一个数据框,你可以直接将数据框转换为一个新的数据框,里面有 json 对象并迭代它

val df_json = df.toJSON

【讨论】:

请编辑您的问题,否则更喜欢 cmets。无论如何,请阅读社区的规则。 是否可以设置列名?默认情况下它是“价值”,我想把它改成“身体”【参考方案8】:

我结合了来自 Artem、KiranM 和 Psidom 的建议。做了很多试验和错误,并提出了我测试嵌套结构的这个解决方案:

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

此解决方案有效,但仅在以驱动程序模式运行时有效。

【讨论】:

以上是关于如何在 Spark 2 Scala 中将 Row 转换为 json的主要内容,如果未能解决你的问题,请参考以下文章

如何在 Scala 中将 Spark DataFrames 一一添加到 Seq()

如何使用 scala 根据 spark 中的条件获取 row_number()

如何在 Apache Spark 中将 Scala UDF 转换为 Java 版本?

如何在 Spark Scala 中将 WrappedArray 转换为 List?

Scala - 如何在 Spark SQL 查询中将日期字符串转换为时间戳?

如何在 Scala 中将数据帧转换为 Apache Spark 中的数据集?