如何在 Spark 2 Scala 中将行转换为 json

Question

是否有一种简单的方法可以将给定的 Row 对象转换为 json？

发现有关将整个 Dataframe 转换为 json 输出的信息：

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，我正在阅读 json 作为 Dataframe 中的输入。我正在生成一个主要基于列的新输出，但是有一个 json 字段用于所有不适合列的信息。

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()
}

仅当行只有一层而不是嵌套行时才有效。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
}

Answer 1

本质上，您可以拥有一个只包含一行的数据框。因此，您可以尝试过滤您的初始数据帧，然后将其解析为 json.

Answer 2

可以使用getValuesMap将行对象转换成Map再转换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}

Answer 3

JSon 有架构，但行没有架构，因此您需要在行上应用架构并转换为 JSon。以下是您的操作方法。

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
}

Answer 4

我结合了来自 Artem、KiranM 和 Psidom 的建议。做了很多尝试和错误，并提出了我测试嵌套结构的解决方案：

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，但仅在运行处于驱动程序模式时有效。

Answer 5

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，但是需要保留一些 json 个子对象。

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。可以转换并写出 json。

但我需要将一些子 json 结构提取到字符串中以用作新字段。

可以这样做：

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 address_json 生成它的输出 json 应该被解析为 AST 表示，否则输出 json 将具有 address_json 部分逃脱了。

Answer 6

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

@deprecated("This class will be removed.", "2.11.0")

"JSONFormat.defaultFormat doesn't handle null values"

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

Answer 7

我遇到了同样的问题，我有带有规范模式（无数组）的镶木地板文件，我只想获取 json 事件。我做了如下操作，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))

Answer 8

如果你正在遍历一个数据框，你可以直接将数据框转换为一个新的数据框，里面有 json 对象并迭代那个

val df_json = df.toJSON

如何在 Spark 2 Scala 中将行转换为 json

How to convert Row to json in Spark 2 Scala

json

scala

json4s

apache-spark