在Spark中读取Avro文件 [英] Reading Avro File in Spark

问题描述

我已经将avro文件读入spark RDD，需要将其转换为sql数据框.我该怎么做.

I have read an avro file into spark RDD and need to conver that into a sql dataframe. how do I do that.

这是我到目前为止所做的.

This is what I did so far.

import org.apache.avro.generic.GenericRecord
import org.apache.avro.mapred.{AvroInputFormat, AvroWrapper}
import org.apache.hadoop.io.NullWritable

val path = "hdfs://dds-nameservice/user/ghagh/"
val avroRDD = sc.hadoopFile[AvroWrapper[GenericRecord], NullWritable, AvroInputFormat[GenericRecord]](path)

当我这样做时:

avro.take(1)

我回来了

res1: Array[(org.apache.avro.mapred.AvroWrapper[org.apache.avro.generic.GenericRecord], org.apache.hadoop.io.NullWritable)] = Array(({"column1": "value1", "column2": "value2", "column3": value3,...

如何将其转换为SparkSQL数据框?

How do I convert this to a SparkSQL dataframe?

我正在使用Spark 1.6

I am using Spark 1.6

有人可以告诉我是否有一个简单的解决方案吗?

Can anyone tell me if there is an easy solution around this?

推荐答案

对于 DataFrame ，我会和Avro一起使用

For DataFrame I'd go with Avro data source directly:

• 在软件包列表中包含spark-avro.对于最新版本，请使用:

• Include spark-avro in packages list. For the latest version use:

com.databricks:spark-avro_2.11:3.2.0

加载文件:

Load the file:

val df = spark.read
  .format("com.databricks.spark.avro")
  .load(path)

这篇关于在Spark中读取Avro文件的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！