如何在 Java 的 spark streaming 中解析复杂的 JSON 数据

Question

我们正在开发物联网应用程序

我们从每个要运行分析的设备中获取以下数据流，

[{"t":1481368346000,"sensors":[{"s":"s1","d":"+149.625"},{"s":"s2","d":"+23.062"},{"s":"s3","d":"+16.375"},{"s":"s4","d":"+235.937"},{"s":"s5","d":"+271.437"},{"s":"s6","d":"+265.937"},{"s":"s7","d":"+295.562"},{"s":"s8","d":"+301.687"}]}]

在初级阶段，我可以使用 spark java 代码获取架构，如下所示，

    root
     |-- sensors: array (nullable = true)
     |    |-- element: struct (containsNull = true)
     |    |    |-- d: string (nullable = true)
     |    |    |-- s: string (nullable = true)
     |-- t: long (nullable = true)

我写的代码是，

    JavaDStream<String> json = directKafkaStream.map(new Function<Tuple2<String,String>, String>() {
        public String call(Tuple2<String,String> message) throws Exception {
            return message._2();
        };
    });

    SQLContext sqlContext = spark.sqlContext();
    json.foreachRDD(new VoidFunction<JavaRDD<String>>() {
        @Override
        public void call(JavaRDD<String> jsonRecord) throws Exception {

            Dataset<Row> row = sqlContext.read().json(jsonRecord).toDF();
            row.createOrReplaceTempView("MyTable");
            row.printSchema();
            row.show();

            Dataset<Row> sensors = row.select("sensors");
            sensors.createOrReplaceTempView("sensors");
            sensors.printSchema();
            sensors.show();

        }
    });

这给了我错误 "org.apache.spark.sql.AnalysisException: cannot resolve 'sensors' given input columns: [];"

我是 spark 和分析的初学者，无法在 java 中找到任何用于解析嵌套 json 的好例子。

我正在努力实现的是并且可能需要专家的建议是，

我将提取每个传感器值，然后使用 spark 的 sparkML 库进行运行回归分析。这将帮助我找出每个传感器流中发生的趋势，以及我想使用该数据检测故障。

我不确定哪种方法最好，任何指导、链接和信息都会很有帮助。

Answer 1

这是您的 json.foreachRDD 的样子。

json.foreachRDD(new VoidFunction<JavaRDD<String>>() {
        @Override
        public void call(JavaRDD<String> rdd) {
            if(!rdd.isEmpty()){
                Dataset<Row> data = spark.read().json(rdd).select("sensors");
                data.printSchema();
                data.show(false);
                //DF in table
                Dataset<Row> df = data.select( org.apache.spark.sql.functions.explode(org.apache.spark.sql.functions.col("sensors"))).toDF("sensors").select("sensors.s","sensors.d");
                df.show(false);
            }
        }
    });

回归分析样本，可参考JavaRandomForestRegressorExample.java at https://github.com/apache/spark/blob/master/examples/src/main/java/org/apache/spark/examples/ml/JavaRandomForestRegressorExample.java

使用spark machine learning和spark streaming进行实时数据分析，可以参考以下文章。

如何在 Java 的 spark streaming 中解析复杂的 JSON 数据

How to parse complex JSON Data in spark streaming in Java

java

json

analytics

apache-spark

spark-streaming