Spark 读数 JSON 有损坏的列

Question

这是我的 JSON

[
    {"string":"string1","int":1,"array":[1,2,3],"dict": {"key": "value1"}},
    {"string":"string2","int":2,"array":[2,4,6],"dict": {"key": "value2"}}
]

这是我的解析代码：

val mdf = sparkSession.read.option("multiline", "true").json("multi2.json")
mdf.show(false)

这输出：

+---------------+---------+--------+----+-------+
|_corrupt_record|array    |dict    |int |string |
+---------------+---------+--------+----+-------+
|[              |null     |null    |null|null   |
|null           |[1, 2, 3]|[value1]|1   |string1|
|null           |[2, 4, 6]|[value2]|2   |string2|
|]              |null     |null    |null|null   |
+---------------+---------+--------+----+-------+

为什么我有一个_corrupt_record，一切正常？ 为什么dict列只给出值而不给出键？

谢谢

Answer 1

打错了。选项名称是 multiLine 而不是 multiline.

Answer 2

"multiLine" 选项从 Spark 2.2.0 开始支持。
与 2.1.0 对比 documentation

在 > 2.2.0 中，您的示例代码与数据一起工作。

关于 dict 列，它仍将仅显示值，但会保留架构。您可以通过以下方式验证：

scala> mdf.printSchema
root
 |-- array: array (nullable = true)
 |    |-- element: long (containsNull = true)
 |-- dict: struct (nullable = true)
 |    |-- key: string (nullable = true)
 |-- int: long (nullable = true)
 |-- string: string (nullable = true)

编辑 我意识到，很多信息已经