Spark：爆炸一对嵌套的列

Question

Spark版本2.1

我正在将文件读取为Spark dataframe，格式如下：

{
    "field1": "value1",
    "field2": "value2",
    "elements": [{
        "id": "1",
        "name": "a"
    },
    {
        "id": "2",
        "name": "b"
    },
    {
        "id": "3",
        "name": "c"
    }]
}

它包含一个array嵌套的元素，现在我想explode的elements阵列，以获得平坦的JSON结构。我正在使用以下代码：

var dfExploded = df
    .withColumn("id", 
      explode(df.col("elements.id")))
    .withColumn("name",
      explode(df.col("elements.name")));

它似乎正在返回笛卡尔积（例如，我在结果中得到9个元素，而我只想要3个）。有什么办法可以指定一对嵌套列来explode起作用？

Answer 1

如果我理解正确，那么您可以尝试以下操作：

 val exploded = df.withColumn("elements", explode($"elements"))
 exploded.show()
 >> +--------+------+------+
 >> |elements|field1|field2|
 >> +--------+------+------+
 >> |   [1,a]|value1|value2|
 >> |   [2,b]|value1|value2|
 >> |   [3,c]|value1|value2|
 >> +--------+------+------+

第一步基本上是将数组变成单独的记录。您需要对数组本身（元素）而不是内部元素进行处理

接下来你可以做

 val flattened = exploded.select("elements.*", "field1", "field2")
 flattened.show()
 >> +---+----+------+------+
 >> | id|name|field1|field2|
 >> +---+----+------+------+
 >> |  1|   a|value1|value2|
 >> |  2|   b|value1|value2|
 >> |  3|   c|value1|value2|
 >> +---+----+------+------+

展平元素