【spark】文件读写和JSON数据解析

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

1.读文件

通过 sc.textFile(“file://") 方法来读取文件到rdd中。

 val lines = sc.textFile("file://")//文件地址或者HDFS文件路径

本地地址

"file:///home/hadoop/spark-1.6.0-bin-hadoop2.6/examples/src/main/resources/people.json"

HDFS文件地址

"hdfs://112.74.21.122:9000/user/hive/warehouse/hive_test"

2.保存文件

通过 sc.saveAsTextFile("file://") 把 rdd 内容保存到文件

rdd.saveAsTextFile("file:///home/writeout.txt");//把rdd写入/home/writeout.txt

但是我们打开/home文件夹，发现writeout并不是txt文件而是一个文件夹，我们打开文件夹，结构如下

我们保存错了嘛？没有，这时正常的。part-00000代表的是分区，如果有多个分区，会有多个part-xxxxxx的文件。

如果我们要再次读取这个保存的文件并不需要一个一个分区读取，直接读取就可以了，spark会自动加载所有分区数据。

val rdd = sc.textFile("file:///home/writeout/part-00000");//我们并不用这样一个一个读取

val rdd = sc.textFile("file:///home/writeout.txt");//直接这样读取，就会自动把所有分区数据加载到rdd中

3.JSON数据解析

（1）读取JSON格式文件

直接用 sc.textFile(“file://") 来读取.json文件即可

（2）JSON

Scala中有一个自带的JSON库 scala.util.parsing.json.JSON 可以实现对JSON数据解析。

通过调用 JSON.parseFull(jsonString：String) 函数对输入的JSON字符串进行解析。

如果解析成功则返回一个 Some( map：Map[String，Any] ) ,失败则返回None

示例：

文件内容

我们看到每个{...}中为一个json格式的数据，一个json文件包含若干个json格式的数据。

我们解析这个json文件的内容

1.编写程序

import org.apache.spark._

import scala.util.parsing.json.JSON

object JSONApp {

    def main(args:Array[String]): Unit ={

        //初始化配置：设置主机名和程序主类的名字

        val conf = new SparkConf().setMaster("local").setAppName("JSONApp");

        //通过conf来创建sparkcontext

        val sc = new SparkContext(conf);

        val inputFile = "file:///usr/local/spark/examples/src/main/resources/people.json"//读取json文件

        val jsonStr = sc.textFile(inputFile);

        val result = jsonStr.map(s => JSON.parseFull(s));//逐个JSON字符串解析

        result.foreach(

            {

                r => r match {

                case Some(map:Map[String,Any]) => println(map)

                case None => println("parsing failed!")

                case other => println("unknown data structure" + other)

                }

            }

        );

    }

}