当将JSON文件读入Spark时_corrupt_record错误 [英] _corrupt_record error when reading a JSON file into Spark

问题描述

我有这个JSON文件

{
    "a": 1, 
    "b": 2
}

这是使用Python json.dump方法获得的。
现在，我想使用pyspark将此文件读入Spark中的DataFrame。以下文档，我正在这样做

which has been obtained with Python json.dump method. Now, I want to read this file into a DataFrame in Spark, using pyspark. Following documentation, I'm doing this

sc = SparkContext（）

sc = SparkContext()

sqlc = SQLContext（sc）

sqlc = SQLContext(sc)

df = sqlc.read.json（'my_file.json'）

df = sqlc.read.json('my_file.json')

print df.show（）

print df.show()

打印声明会吐出来：

+---------------+
|_corrupt_record|
+---------------+
|              {|
|       "a": 1, |
|         "b": 2|
|              }|
+---------------+

任何人都知道发生了什么，为什么不正确地解释文件？

Anyone knows what's going on and why it is not interpreting the file correctly?

推荐答案

你需要在每行中有一个json对象您的输入文件，请参阅 http：//spark.apache .org / docs / latest / api / python / pyspark.sql.html＃pyspark.sql.DataFrameReader.json

You need to have one json object per row in your input file, see http://spark.apache.org/docs/latest/api/python/pyspark.sql.html#pyspark.sql.DataFrameReader.json

如果你的json文件看起来像这样它会给你预期的数据框：

If your json file looks like this it will give you the expected dataframe:

{ "a": 1, "b": 2 }
{ "a": 3, "b": 4 }

....
df.show()
+---+---+
|  a|  b|
+---+---+
|  1|  2|
|  3|  4|
+---+---+

这篇关于当将JSON文件读入Spark时_corrupt_record错误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！