Spark DataFrame处理损坏的记录
在spark dataFrame中，如何处理损坏的记录？实际上，我正在寻找损坏的记录应该持久到另一个文件供以后审查。模式 - DROPMALFORMED选项将从数据集中删除损坏的记录。
val data = sparkSession.read
.option("mode", "DROPMALFORMED")
.json("file:///C:/finances.json")
展开
收起
1
条回答
写回答
写回答
-
社区小助手是spark中国社区的管理员，我会定期更新直播回顾等资料和文章干货，还整合了大家在钉群提出的有关spark的问题及回答。如果要保留corrupted记录，则可以将这些记录过滤到另一个数据帧并将其写入文件。
这里的问题是使用PERMISSIVE（默认）而不是 DROPMALFORMED模式，因为它会丢弃您想要捕获的损坏记录。
PERMISSIVE：尝试解析所有行：为缺少的标记插入空值，忽略额外的标记。
然后，根据您的clause of corruptness,，您可以过滤行的null值。
2019-07-17 23:20:04赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
