spark2 sql读取json文件的格式要求

spark有多个数据源，json是其中一种。那么对于json格式的数据，spark在操作的过程中，可能会遇到哪些问题？

这里首先我们需要对json格式的数据有一定的了解。

json数据有两种格式：

1.对象表示

2.数组表示

二者也有嵌套形式。

比如我们创建一个个人信息的json。

{    "people": [
        {
            "name": "aboutyun",
            "age": "4"
        },
        {
            "name": "baidu",
            "age": "5"
        }
    ]
}

上面是一个比较常见的json。信息我们大致也能看出来：people表示的是表名，后面的内容为表的内容，包含了姓名和年龄。然而我们在使用spark读取的时候却遇到点小问题。上面内容保存为文件people.json，然后上传到hdfs的跟路径，进入spark-shell，读取json文件

val peopleDF=spark.read.json("/people.json")

打印schema

peopleDF.printSchema

这时候我们看到people并不是表名，而age和name也非列明。我们通过

peopleDF.show

展示列名

也就是说我们如果带有"people"格式的信息，DataFrame就会被认为是列名。个人认为这是spark不太好的地方，应该可以改进。这里也可以自动读取为表名或则忽略，而不是默认为一个字段名称。

既然目前spark是这么做，那么我们该如何做，才能让spark正确的读取？

我们来尝试下面格式的json文件

[
    {
        "name": "aboutyun",
        "age": "4"
    },
    {
        "name": "baidu",
        "age": "5"
    }
]

操作是同样的方式

val peopleDF=spark.read.json("/people.json")

peopleDF.printSchema

接着我们来打印数据

peopleDF.show

这时候我们看到它能正确的显示数据了。

从上面我们看出spark对于json文件，不是什么格式都是可以的，需要做一定的修改，才能正确读取，相信以后spark会有所改进。