json - 使用 Spark 解析 JSON 文件并提取键和值

Question

我是新手。我试图使用 SparkSQL 在 spark 中解析下面提到的 JSON 文件，但它没有用。有人可以帮我解决这个问题吗。

输入JSON:

[{"num":"1234","Projections":[{"Transactions":[{"14:45":0,"15:00":0}]}]}]

预期输出:

1234 14:45 0\n
1234 15:00 0

我试过下面的代码，但是没有用

val sqlContext = new SQLContext(sc)
val df = sqlContext.read.json("hdfs:/user/aswin/test.json").toDF();
val sql_output = sqlContext.sql("SELECT num, Projections.Transactions FROM df group by Projections.TotalTransactions ")
sql_output.collect.foreach(println)

输出:

[01532,WrappedArray(WrappedArray([0,0]))]

Answer 1

Spark 将您的 {"14:45":0,"15:00":0} 映射识别为结构，因此读取数据的唯一方法可能是手动指定模式:

>>> from pyspark.sql.types import *
>>> schema = StructType([StructField('num', StringType()), StructField('Projections', ArrayType(StructType([StructField('Transactions', ArrayType(MapType(StringType(), IntegerType())))])))])

然后你可以查询这个临时表，使用多重分解得到结果:

>>> sqlContext.read.json('sample.json', schema=schema).registerTempTable('df')
>>> sqlContext.sql("select num, explode(col) from (select explode(col.Transactions), num from (select explode(Projections), num from df))").show()
+----+-----+-----+
| num|  key|value|
+----+-----+-----+
|1234|14:45|    0|
|1234|15:00|    0|
+----+-----+-----+