Блог

Я пытаюсь преобразовать файл json в avro и наоборот.

Мой входной файл

 [
  {
    "userId": 1,
    "firstName": "Krish",
    "lastName": "Lee",
    "phoneNumber": "123456",
    "emailAddress": "krish.lee@abc.com"
  },
  {
    "userId": 2,
    "firstName": "racks",
    "lastName": "jacson",
    "phoneNumber": "123456",
    "emailAddress": "racks.jacson@abc.com"
  }
]
  

Мой выходной файл

 {"emailAddress":"krish.lee@abc.com","firstName":"Krish","lastName":"Lee","phoneNumber":"123456","userId":1}
{"emailAddress":"racks.jacson@abc.com","firstName":"racks","lastName":"jacson","phoneNumber":"123456","userId":2}
  

Ниже приведен мой исходный код

JSON в Avro

 val df = spark.read.option("multiLine", true).json("src\main\resources\user.json")
df.printSchema()
df.show()

//convert to avro
df.write.mode("append").format("com.databricks.spark.avro").save("src\main\resources\user1")
  

AVRO в JSON

 val jsonDF = spark.read
  .format("com.databricks.spark.avro").load("src\main\resources\user")

jsonDF.show()
jsonDF.printSchema()
jsonDF.write.mode(SaveMode.Overwrite).json("src\main\resources\output\json")
  

Не могли бы вы помочь

Проверьте приведенный ниже код.

Входные данные

 scala> import sys.process._

scala> "cat /root/spark-examples/data.json".!
[
  {
    "userId": 1,
    "firstName": "Krish",
    "lastName": "Lee",
    "phoneNumber": "123456",
    "emailAddress": "krish.lee@abc.com"
  },
  {
    "userId": 2,
    "firstName": "racks",
    "lastName": "jacson",
    "phoneNumber": "123456",
    "emailAddress": "racks.jacson@abc.com"
  }
]
  

Загрузка содержимого файла json в DataFrame

 scala> val df = spark
                  .read
                  .option("multiline","true")
                  .json("/root/spark-examples/data.json")

df: org.apache.spark.sql.DataFrame = [emailAddress: string, firstName: string ... 3 more fields]
  

Как только файл json будет загружен в DataFrame, он будет преобразован в array of object в multiple objects or rows , как показано ниже.

 scala> df.show(false)
 -------------------- --------- -------- ----------- ------ 
|emailAddress        |firstName|lastName|phoneNumber|userId|
 -------------------- --------- -------- ----------- ------ 
|krish.lee@abc.com   |Krish    |Lee     |123456     |1     |
|racks.jacson@abc.com|racks    |jacson  |123456     |2     |
 -------------------- --------- -------- ----------- ------ 
  

Когда вы записываете DataFrame ответ, он записывает его в несколько строк.

 scala> df.repartition(1).write.mode("overwrite").json("/tmp/dataa/")
  

 scala> "ls -ltr /tmp/dataa/".!
total 4
-rw-r--r-- 1 root root 222 Oct 22 12:19 part-00000-fa9e79f6-2689-4385-b3ee-fd19cf291a31-c000.json
-rw-r--r-- 1 root root   0 Oct 22 12:19 _SUCCESS
  

 scala> "cat /tmp/dataa/part-00000-fa9e79f6-2689-4385-b3ee-fd19cf291a31-c000.json".!
{"emailAddress":"krish.lee@abc.com","firstName":"Krish","lastName":"Lee","phoneNumber":"123456","userId":1}
{"emailAddress":"racks.jacson@abc.com","firstName":"racks","lastName":"jacson","phoneNumber":"123456","userId":2}
  

Если вы хотите получить то же, что и ваши входные данные, следуйте приведенному ниже коду.

 scala> df
.select(to_json(collect_list(struct($"*"))).as("data"))
.write
.format("text") // You need to use text format, Using json will give you wrong data.
.mode("overwrite")
.save("/tmp/datab/")
  

 scala> "ls -ltr /tmp/datab/".!
total 4
-rw-r--r-- 1 root root 224 Oct 22 12:19 part-00000-0896730e-51e1-4728-bd6b-cdfabc03978e-c000.txt
-rw-r--r-- 1 root root   0 Oct 22 12:19 _SUCCESS
  

 scala> "cat /tmp/datab/part-00000-0896730e-51e1-4728-bd6b-cdfabc03978e-c000.txt".!
[
    {"emailAddress":"krish.lee@abc.com","firstName":"Krish","lastName":"Lee","phoneNumber":"123456","userId":1},
    {"emailAddress":"racks.jacson@abc.com","firstName":"racks","lastName":"jacson","phoneNumber":"123456","userId":2}
]