如何将 from_json 与 Kafka connect 0.10 和 Spark Structured Streaming 一起使用？

Question

我试图重现 [Databricks][1] 中的示例并将其应用于 Kafka 的新连接器并触发结构化流，但是我无法使用 Spark 中的开箱即用方法正确解析 JSON。 ..

注意：主题以 JSON 格式写入 Kafka。

val ds1 = spark
          .readStream
          .format("kafka")
          .option("kafka.bootstrap.servers", IP + ":9092")
          .option("zookeeper.connect", IP + ":2181")
          .option("subscribe", TOPIC)
          .option("startingOffsets", "earliest")
          .option("max.poll.records", 10)
          .option("failOnDataLoss", false)
          .load()

下面的代码行不通，相信是因为json列是字符串，和from_json方法签名不匹配...

    val df = ds1.select($"value" cast "string" as "json")
                .select(from_json("json") as "data")
                .select("data.*")

有什么建议吗？

[更新] 示例工作： https://github.com/katsou55/kafka-spark-structured-streaming-example/blob/master/src/main/scala-2.11/Main.scala

Answer 1

首先，您需要为 JSON 消息定义架构。例如

val schema = new StructType()
  .add($"id".string)
  .add($"name".string)

现在您可以在from_json 方法中使用此架构，如下所示。

val df = ds1.select($"value" cast "string" as "json")
            .select(from_json($"json", schema) as "data")
            .select("data.*")