4

私はスパークジョブでローカルドライブからjsonを解析するためにjsonスカラライブラリを使用していました:

val requestJson=JSON.parseFull(Source.fromFile("c:/data/request.json").mkString)
    val mainJson=requestJson.get.asInstanceOf[Map[String,Any]].get("Request").get.asInstanceOf[Map[String,Any]]
    val currency=mainJson.get("currency").get.asInstanceOf[String]

しかし、hdfs ファイルの場所を指定して同じパーサーを使用しようとすると、機能しません。

val requestJson=JSON.parseFull(Source.fromFile("hdfs://url/user/request.json").mkString)

エラーが表示されます：

java.io.FileNotFoundException: hdfs:/localhost/user/request.json (No such file or directory)
  at java.io.FileInputStream.open0(Native Method)
  at java.io.FileInputStream.open(FileInputStream.java:195)
  at java.io.FileInputStream.<init>(FileInputStream.java:138)
  at scala.io.Source$.fromFile(Source.scala:91)
  at scala.io.Source$.fromFile(Source.scala:76)
  at scala.io.Source$.fromFile(Source.scala:54)
  ... 128 elided

Json.parseFull ライブラリを使用して hdfs ファイルの場所からデータを取得するにはどうすればよいですか?

ありがとう

4

3 に答える 3

1

spark-sql_${scala.version}Spark には、 jar で利用できる JSON ドキュメント解析のサポートが組み込まれています。

Spark 2.0+ の場合:

import org.apache.spark.sql.SparkSession 

val spark: SparkSession = SparkSession.builder.master("local").getOrCreate

val df = spark.read.format("json").json("json/file/location/in/hdfs")

df.show()

dfオブジェクトを使用すると、サポートされているすべての SQL 操作を実行でき、そのデータ処理はノード間で分散requestJson されますが、単一のマシンでのみ計算されます。

Maven の依存関係

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-sql_2.11</artifactId>
    <version>2.0.0</version>
</dependency>

編集：（hdfsからファイルを読み取るためのコメントに従って）

val hdfs = org.apache.hadoop.fs.FileSystem.get(
             new java.net.URI("hdfs://ITS-Hadoop10:9000/"), 
             new org.apache.hadoop.conf.Configuration()
           )
val path=new Path("/user/zhc/"+x+"/")
val t=hdfs.listStatus(path)
val in =hdfs.open(t(0).getPath)
val reader = new BufferedReader(new InputStreamReader(in))
var l=reader.readLine()

コードクレジット：別のSOの質問から

Maven の依存関係:

<dependency>
    <groupId>org.apache.hadoop</groupId>
    <artifactId>hadoop-hdfs</artifactId>
    <version>2.7.2</version> <!-- you can change this as per your hadoop version -->
</dependency>
于 2017-01-04T03:35:21.777 に答える