Spark SQL可以自动捕获JSON数据集的模式，并将其作为DataFrame加载。 可以使用SQLContext.read.json（）对String或JSON文件的RDD进行此转换。Spark SQL提供了一个选项，用于查询JSON数据以及自动捕获用于读取和写入数据的JSON模式。 Spark SQL了解JSON数据中的嵌套字段，并允许用户直接访问这些字段，而无需任何显式转换。例让我们考虑一个名为employee.json的文本文件中的员工记录示例。 使用以下命令创建DataFrame（df）。使用以下内容读取一个名为employee.json的JSON文档，并根据JSON文档中的模式生成一个表。
employee.json - 将此文件放在当前scala>指针所在的目录中。
让我们对给定的数据执行一些数据帧操作。DataFrame操作
DataFrame为结构化数据操作提供了一个领域特定的语言。 这里我们包括使用DataFrames的结构化数据处理的一些基本示例。
按照以下步骤执行DataFrame操作 - 阅读JSON文档
首先，我们必须读取JSON文档。 基于此，生成名为dfs的DataFrame。
使用以下命令读取名为employee.json的JSON文档，其中包含字段 - id，name和age。 它创建一个名为dfs的DataFrame。
输出： 字段名称自动从employee.json中获取。
使用printSchema方法
如果要查看DataFrame的Structure（Schema），请使用以下命令。
输出
显示数据
如果要在DataFrame中显示数据，请使用以下命令。
输出：您可以以表格格式查看员工数据
然后我们可以运行不同的SQL语句。用户可以以最小的努力将数据迁移到JSON格式，而不管数据源的来源。
| 
转播
