如何在 writeStream 到 Elasticsearch 之前将 JSON 数组转换为行？

Question

跟进

我有JSON流数据，格式与下面相同

|  A    | B                                        |
|-------|------------------------------------------|
|  ABC  |  [{C:1, D:1}, {C:2, D:4}]                | 
|  XYZ  |  [{C:3, D :6}, {C:9, D:11}, {C:5, D:12}] |

我需要将它转换成下面的格式

|   A   |  C  |  D   |
|-------|-----|------|
|  ABC  |  1  |  1   |
|  ABC  |  2  |  4   |
|  XYZ  |  3  |  6   |
|  XYZ  |  9  |  11  |
|  XYZ  |  5  |  12  |

为了实现这一点，按照上一个问题的建议执行转换。

val df1 = df0.select($"A", explode($"B")).toDF("A", "Bn")

val df2 = df1.withColumn("SeqNum", monotonically_increasing_id()).toDF("A", "Bn", "SeqNum") 

val df3 = df2.select($"A", explode($"Bn"), $"SeqNum").toDF("A", "B", "C", "SeqNum")

val df4 = df3.withColumn("dummy", concat( $"SeqNum", lit("||"), $"A"))

val df5 = df4.select($"dummy", $"B", $"C").groupBy("dummy").pivot("B").agg(first($"C")) 

val df6 = df5.withColumn("A", substring_index(col("dummy"), "||", -1)).drop("dummy")

现在我需要将数据保存到 ElasticSearch。

 df6.writeStream
  .outputMode("complete")
  .format("es")
  .option("es.resource", "index/type")
  .option("es.nodes", "localhost")
  .option("es.port", 9200)
  .start()
  .awaitTermination()

我收到 ElasticSearch 不支持 Append 输出模式的错误。在 Append 模式下写入 writeStream 失败，无法在 Append 模式下完成聚合。我能够在完整模式下写入控制台。现在如何将数据写入ElasticSearch

任何帮助将不胜感激。

Answer 1

这里不需要pivot或者聚合。如果 B 列确实是 Array[Map[String, String]]（array<map<string, string>> in SQL 类型），您只需要一个简单的 select 或 withColumn:

df
  .withColumn("B", explode($"B"))
  .select($"A", $"B"("C") as "C", $"B"("D") as "D")

如何在 writeStream 到 Elasticsearch 之前将 JSON 数组转换为行？

How to transform array of JSONs to rows before writeStream to Elasticsearch?

apache-spark

elasticsearch

spark-structured-streaming

elasticsearch-spark