如何使用 scala spark 将 JSON 数组拆分为多个 JSON

问题描述

我有一个如下格式的数组 JSON

{
  "marks": [
    {
      "subject": "Maths","mark": "80"
    },{
      "subject": "Physics","mark": "70"
    },{
      "subject": "Chemistry","mark": "60"
    }
  ]
}

我需要将每个数组对象拆分为单独的 JSON 文件。有没有办法在火花壳中做到这一点。

解决方法

您可以分解结构体的标记数组，添加一个 ID 列，并编写由唯一 ID 列分区的 JSON 文件。

df.selectExpr("inline(marks)")
  .withColumn("id",monotonically_increasing_id)
  .repartition(col("id"))
  .write
  .partitionBy("id")
  .json("output")