时间戳

首页 > 解决方案 > 从 Spark 2.3 开始，当引用的列仅包含内部损坏记录列时，不允许来自原始 JSON/CSV 文件的查询

json - 从 Spark 2.3 开始，当引用的列仅包含内部损坏记录列时，不允许来自原始 JSON/CSV 文件的查询

问题描述

我有一个 json 文件：

{
  "a": {
    "b": 1
  }
}

我正在尝试阅读它：

val path = "D:/playground/input.json"
val df = spark.read.json(path)
df.show()

但得到一个错误：

线程“main”org.apache.spark.sql.AnalysisException 中的异常：从 Spark 2.3 开始，当引用的列仅包含内部损坏记录列（默认命名为 _corrupt_record）时，不允许来自原始 JSON/CSV 文件的查询。例如： spark.read.schema(schema).json(file).filter($"_corrupt_record".isNotNull).count() 和 spark.read.schema(schema).json(file).select("_corrupt_record" ）。节目（）。相反，您可以缓存或保存解析的结果，然后发送相同的查询。例如，val df = spark.read.schema(schema).json(file).cache() 然后 df.filter($"_corrupt_record".isNotNull).count().;

所以我尝试按照他们的建议缓存它：

val path = "D:/playground/input.json"
val df = spark.read.json(path).cache()
df.show()

但我不断收到同样的错误。

标签： jsonscalaapache-sparkapache-spark-sql

解决方案

您可以尝试这两种方法中的任何一种。

选项 1：@Avishek Bhattacharya 在上面回答的单行 JSON。

Option-2：在代码中添加读取多行 JSON 的选项，如下所示。您还可以读取嵌套属性，如下所示。

val df = spark.read.option("multiline","true").json("C:\\data\\nested-data.json")
df.select("a.b").show()

这是选项 2 的输出。

20/07/29 23:14:35 INFO DAGScheduler: Job 1 finished: show at NestedJsonReader.scala:23, took 0.181579 s
+---+
|  b|
+---+
|  1|
+---+

推荐阅读