sparksql-1.sparksql的schema和udf

本文介绍了如何使用SparkSQL结合schema高效读取大规模JSON数据,强调了定义schema的重要性,以避免资源浪费。还讨论了在Spark中读取不同数据源(如HDFS上的JSON和Parquet文件,以及HBase表)的方法,并阐述了在SparkSQL中使用Hive UDF的注意事项,包括在spark-shell和Scala工程中的不同操作。
摘要由CSDN通过智能技术生成
1.spark根据schema读取json数据进行sparksql操作
注意:读取json数据,特别是数据量比较大的json数据,需要定义schema,减少读取的数据量,不然加载太多数据浪费集群资源,而且太浪费时间,吃力不讨好。

1)定义schema
import org.apache.spark.sql.types.{StructField, _}
val logSchema = StructType( Array (
    StructField ( "data" ,StructType( Array (
        StructField ( "org_token" ,StringType, true ),
        StructField ( "text" ,StringType, true )
    )), true ),
    StructField ( "result" ,StructType( Array (
        StructField ( "rule-engine" ,StructType( Array (
            StructField ( "riskLevel" ,StringType,
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值