有没有办法以编程方式将 JSON 转换为 AVRO Schema?

Posted

技术标签:

【中文标题】有没有办法以编程方式将 JSON 转换为 AVRO Schema?【英文标题】:Is there a way to programmatically convert JSON to AVRO Schema? 【发布时间】:2018-03-15 08:38:59 【问题描述】:

我需要创建 AVRO 文件,但为此我需要两件事:

1) JSON

2) Avro 架构

根据这 2 个要求 - 我有 JSON:

"web-app": 
  "servlet": [   
    
      "servlet-name": "cofaxCDS",
      "servlet-class": "org.cofax.cds.CDSServlet",
      "init-param": 
        "configGlossary:installationAt": "Philadelphia, PA",
        "configGlossary:adminEmail": "ksm@pobox.com",
        "configGlossary:poweredBy": "Cofax",
        "configGlossary:poweredByIcon": "/images/cofax.gif",
        "configGlossary:staticPath": "/content/static",
        "templateProcessorClass": "org.cofax.WysiwygTemplate",
        "templateLoaderClass": "org.cofax.FilesTemplateLoader",
        "templatePath": "templates",
        "templateOverridePath": "",
        "defaultListTemplate": "listTemplate.htm",
        "defaultFileTemplate": "articleTemplate.htm",
        "useJSP": false,
        "jspListTemplate": "listTemplate.jsp",
        "jspFileTemplate": "articleTemplate.jsp",
        "cachePackageTagsTrack": 200,
        "cachePackageTagsStore": 200,
        "cachePackageTagsRefresh": 60,
        "cacheTemplatesTrack": 100,
        "cacheTemplatesStore": 50,
        "cacheTemplatesRefresh": 15,
        "cachePagesTrack": 200,
        "cachePagesStore": 100,
        "cachePagesRefresh": 10,
        "cachePagesDirtyRead": 10,
        "searchEngineListTemplate": "forSearchEnginesList.htm",
        "searchEngineFileTemplate": "forSearchEngines.htm",
        "searchEngineRobotsDb": "WEB-INF/robots.db",
        "useDataStore": true,
        "dataStoreClass": "org.cofax.SqlDataStore",
        "redirectionClass": "org.cofax.SqlRedirection",
        "dataStoreName": "cofax",
        "dataStoreDriver": "com.microsoft.jdbc.sqlserver.SQLServerDriver",
        "dataStoreUrl": "jdbc:microsoft:sqlserver://LOCALHOST:1433;DatabaseName=goon",
        "dataStoreUser": "sa",
        "dataStorePassword": "dataStoreTestQuery",
        "dataStoreTestQuery": "SET NOCOUNT ON;select test='test';",
        "dataStoreLogFile": "/usr/local/tomcat/logs/datastore.log",
        "dataStoreInitConns": 10,
        "dataStoreMaxConns": 100,
        "dataStoreConnUsageLimit": 100,
        "dataStoreLogLevel": "debug",
        "maxUrlLength": 500,
    
      "servlet-name": "cofaxEmail",
      "servlet-class": "org.cofax.cds.EmailServlet",
      "init-param": 
      "mailHost": "mail1",
      "mailHostOverride": "mail2",
    
      "servlet-name": "cofaxAdmin",
      "servlet-class": "org.cofax.cds.AdminServlet",

    
      "servlet-name": "fileServlet",
      "servlet-class": "org.cofax.cds.FileServlet",
    
      "servlet-name": "cofaxTools",
      "servlet-class": "org.cofax.cms.CofaxToolsServlet",
      "init-param": 
        "templatePath": "toolstemplates/",
        "log": 1,
        "logLocation": "/usr/local/tomcat/logs/CofaxTools.log",
        "logMaxSize": "",
        "dataLog": 1,
        "dataLogLocation": "/usr/local/tomcat/logs/dataLog.log",
        "dataLogMaxSize": "",
        "removePageCache": "/content/admin/remove?cache=pages&id=",
        "removeTemplateCache": "/content/admin/remove?cache=templates&id=",
        "fileTransferFolder": "/usr/local/tomcat/webapps/content/fileTransferFolder",
        "lookInContext": 1,
        "adminGroupID": 4,
        "betaServer": true],
  "servlet-mapping": 
    "cofaxCDS": "/",
    "cofaxEmail": "/cofaxutil/aemail/*",
    "cofaxAdmin": "/admin/*",
    "fileServlet": "/static/*",
    "cofaxTools": "/tools/*",

  "taglib": 
    "taglib-uri": "cofax.tld",
    "taglib-location": "/WEB-INF/tlds/cofax.tld"

但是如何基于它创建 AVRO Schema?

寻找程序化的方式来做到这一点,因为会有很多模式,并且不能每次都手动创建 Avro 模式。

我检查了“avro-tools-1.8.1.jar”,但无法直接从 JSON 创建 Avro Schema。

寻找可以创建 JSON 的 Jar 或 Python 代码 -> Avro 模式。 如果数据类型不完美也没关系(字符串、整数和浮点数足以开始)。

【问题讨论】:

JSON 基本上是无模式的。这个 JSON 的来源是什么? 谢谢。我明白 JSON 是无模式的。但是,在我的项目中 - 不同的客户有 JSON,他们就这样发送给我。会有许多不同的 JSON - 以上只是 1 个示例。我没有能力强迫他们创建 AVRO,但我的项目需要 AVRO 格式。我有 2 个选项:1)为每个 JSON 手动创建每个客户的 AVRO 模式和 2)尝试使用一些代码自动创建基于 JSON 的 AVRO 模式(即使不完美)。正在寻找选项 2。谢谢。 将其存储为String 我不能使用字符串。项目需要AVRO格式,不接受String。 【参考方案1】:

您可以使用 Kite SDK 工具从 json 输入推断 avro 模式。

https://github.com/kite-sdk/kite/blob/master/kite-data/kite-data-core/src/main/java/org/kitesdk/data/spi/JsonUtil.java#L539

例子:

    String json = "\n" +
            "    \"id\": 1,\n" +
            "    \"name\": \"A green door\",\n" +
            "    \"price\": 12.50,\n" +
            "    \"tags\": [\"home\", \"green\"]\n" +
            "\n"
            ;
    String avroSchema = JsonUtil.inferSchema(JsonUtil.parse(json), "myschema").toString();
    System.out.println(avroSchema);

结果:

  
   "type":"record",
   "name":"myschema",
   "fields":[  
        
         "name":"id",
         "type":"int",
         "doc":"Type inferred from '1'"
      ,
        
         "name":"name",
         "type":"string",
         "doc":"Type inferred from '\"A green door\"'"
      ,
        
         "name":"price",
         "type":"double",
         "doc":"Type inferred from '12.5'"
      ,
        
         "name":"tags",
         "type":  
            "type":"array",
            "items":"string"
         ,
         "doc":"Type inferred from '[\"home\",\"green\"]'"
      
   ]

可以找到maven依赖here

【讨论】:

【参考方案2】:

如果您想避免为每种 JSON 格式创建专用的 AVRO 架构,您可以使用 rec-avro 包。

它允许您采用任何 Python 数据结构,包括解析的 XML 或 JSON,并将其存储在 Avro 中,而无需专用架构。

我为 python 3 测试了它。

您可以将其安装为 pip3 install rec-avro 或查看代码和文档https://github.com/bmizhen/rec-avro

我在这里给了一个 json 到 avro 示例代码:https://***.com/a/55444481/6654219

【讨论】:

【参考方案3】:

这很酷,只需简单地复制和粘贴 avro 架构。

https://toolslick.com/generation/metadata/avro-schema-from-json

【讨论】:

这为我节省了一天!太棒了。 这行得通。然而。如果您的 json 在关键字段中有空格,它将在 avro 名称中包含空格,这是无效的。你需要把空间拿出来。加下划线什么的。否则,它似乎工作。如果不出意外,这是了解在 avro 中可能如何格式化复杂内容的好方法。【参考方案4】:

试一试。 http://www.dataedu.ca/avro

它基本上推断出接受 JSON 的 Avro 模式。

您甚至可以给它一个 JSON 数组。它会生成一个与数组中的所有 JSON 文档兼容的 Avro 模式。

还有其他工具可以验证结果。

【讨论】:

以上是关于有没有办法以编程方式将 JSON 转换为 AVRO Schema?的主要内容,如果未能解决你的问题,请参考以下文章

如何在 Apache nifi 中配置 convertrecord 处理器,以便将 JSON 转换为 AVRO 格式

数据流 - 将 avro 对象存储到未知的 GCS 文件夹

以编程方式将 fbx 转换为 scn

使用 Java 将 Json 对象转换为 Parquet 格式而不转换为 AVRO(不使用 Spark、Hive、Pig、Impala)

将 BigQuery 结果导出为 Avro 或 JSON

Selenium - 以编程方式将 html 转换为 junit