如何在流查询中使用from_json标准函数（在选择中）？

Question

我使用以下JSON结构处理来自Kafka的消息：

{"unix_time": 1557678233, "category_id": 1000, "ip": "172.10.34.17", "type": "view"}

我想打印出我收到的内容。这是我已经完成的代码片段：

JavaSparkContext sc = createJavaSparkContext();
JavaStreamingContext streamingContext =
                new JavaStreamingContext(sc, Durations.seconds(BATCH_DURATION_IN_SECONDS));

SparkSession sparkSession = SparkSession
        .builder()
        .config(new SparkConf())
        .getOrCreate();

Dataset<Row> df = sparkSession
        .readStream()
        .format("kafka")
        .option("kafka.bootstrap.servers", CommonUtils.KAFKA_HOST_PORT)
        .option("subscribe", KAFKA_TOPIC)
        .load();

StreamingQuery query = df.selectExpr("CAST(value AS STRING)")
            .select(from_json(new Column("value"), getSchema())).as("data").
                    select("data.category_id").writeStream().foreach(new ForeachWriter<Row>() {
                @Override
                public void process(Row value) {
                    System.out.println(value);
                }

                @Override
                public void close(Throwable errorOrNull) {

                }

                @Override
                public boolean open(long partitionId, long version) {
                    return true;
                }
            })
            .start();

    query.awaitTermination();

模式方法：

private static StructType getSchema() {
    return new StructType(new StructField[]{
            new StructField(UNIX_TIME, DataTypes.TimestampType, false, Metadata.empty()),
            new StructField(CATEGORY_ID, DataTypes.IntegerType, false, Metadata.empty()),
            new StructField(IP, DataTypes.StringType, false, Metadata.empty()),
            new StructField(TYPE, DataTypes.StringType, false, Metadata.empty()),
    });
}

问题是，我在从Spark编写时不断收到错误：

线程“main”组织中出现异常。阿帕奇。火花sql。AnalysisException：无法解析数据。category\u id'给定的输入列：[JSONTStruct（value）]；；'项目['data.category\u id]-子QueryAlias数据-项目[JSONTStruct（StructField（unix\u时间，TimestampType，false），StructField（category\u id，IntegerType，false），StructField（ip，StringType，false），StructField（type，StringType，false），value#15）作为JSONTStruct（value）#18]

如何克服这个问题？有什么建议吗？

Answer 1

这部分异常告诉您在哪里寻找答案：

无法解析“”数据。“category\u id”给定的输入列：[JSONTStruct（值）]

换句话说，没有列<代码>数据。category\u id在可用列中，只有一列是jsontostruct（value）。

这意味着流式查询中的onlyselect不起作用。原因很简单（我可以称之为输入错误）——在列和数据集类型上，前面有太多的右括号作为（“数据”）。

总之，替换查询的以下部分：

.select(from_json(new Column("value"), getSchema())).as("data")

以下内容：

.select(from_json(new Column("value"), getSchema()).as("data"))

请注意，我将一个闭合支架移到了末端。