如何在Java中解析spark流中的复杂JSON数据
我们正在开发物联网应用程序
我们从每个我们想要运行分析的设备中获得以下数据流
[{"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代码获取模式,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();
}
});
这给了我一个错误,即“org.apache.spark.sql.AnalysisException:无法解析给定输入列的“sensors
”:
我是spark和analytics的初学者,在java中找不到解析嵌套json的好例子
我想要实现的是,可能需要专家们的建议
我将提取每个传感器值,然后使用sparkML spark库运行回归分析。这将帮助我找出每个传感器流中正在发生的趋势,以及我希望使用这些数据检测故障
我不确定哪种方法是最好的,任何指导、链接和信息都会非常有用
# 1 楼答案
下面是你的
json.foreachRDD
应该是什么样子对于回归分析样本,您可以参考https://github.com/apache/spark/blob/master/examples/src/main/java/org/apache/spark/examples/ml/JavaRandomForestRegressorExample.java
对于使用spark机器学习和spark流媒体的实时数据分析,您可以参考以下文章