json文档缺少字段的Avro序列化问题

Posted 2023-03-08

【中文标题】json文档缺少字段的Avro序列化问题

【英文标题】：Trouble with Avro serialization of json documents missing fields

【发布时间】：2016-06-17 03:09:38

【问题描述】：

我正在尝试使用 Apache Avro 对从 Elastic Search 导出到 HDFS 中的许多 Avro 文档中的数据强制实施模式（使用 Drill 进行查询）。我在使用 Avro 默认设置时遇到了一些问题

鉴于此架构：

    
  "namespace" : "avrotest",    
  "type" : "record",    
  "name" : "people",                                                                                                   
  "fields" : [                                                                                                         
    "name" : "firstname", "type" : "string",                                                                        
    "name" : "age", "type" :"int", "default": -1                                                                     
  ]                                                                                                                    
 

我希望像 "firstname" : "Jane" 这样的 json 文档将使用年龄字段的默认值 -1 进行序列化。

default：该字段的默认值，在读取实例时使用 缺少此字段（可选）。

然而，这似乎并没有发生

java -jar avro-tools-1.8.0.jar fromjson --schema-file p2.avsc jane.json > jane.avro

Exception in thread "main" org.apache.avro.AvroTypeException: Expected int. Got END_OBJECT
    at org.apache.avro.io.JsonDecoder.error(JsonDecoder.java:697)
    at org.apache.avro.io.JsonDecoder.readInt(JsonDecoder.java:172)
    at org.apache.avro.io.ValidatingDecoder.readInt(ValidatingDecoder.java:83)
    at org.apache.avro.generic.GenericDatumReader.readInt(GenericDatumReader.java:511)
    at org.apache.avro.generic.GenericDatumReader.readWithoutConversion(GenericDatumReader.java:182)
    at org.apache.avro.generic.GenericDatumReader.read(GenericDatumReader.java:152)
    at org.apache.avro.generic.GenericDatumReader.readField(GenericDatumReader.java:240)
    at org.apache.avro.generic.GenericDatumReader.readRecord(GenericDatumReader.java:230)
    at org.apache.avro.generic.GenericDatumReader.readWithoutConversion(GenericDatumReader.java:174)
    at org.apache.avro.generic.GenericDatumReader.read(GenericDatumReader.java:152)
    at org.apache.avro.generic.GenericDatumReader.read(GenericDatumReader.java:144)
    at org.apache.avro.tool.DataFileWriteTool.run(DataFileWriteTool.java:99)
    at org.apache.avro.tool.Main.run(Main.java:87)
    at org.apache.avro.tool.Main.main(Main.java:76)

这可能吗，还是我错过了什么？

【问题讨论】：

我也有同样的问题

是的，告诉我吧:(

看起来在此提交之前github.com/apache/avro/commit/… (issues.apache.org/jira/browse/AVRO-388) Avro GenericDatumReader 能够对跳过的字段使用默认值，但现在不能这样做了。

【参考方案1】：

关键是，如果您在架构中这样声明您的字段：

"name": "fieldName", "type": ["int", "null"], default: null 

使用 optional 之类的字段是不够的，尝试这样声明：

"name": "fieldName", "type": ["null", "int"], default: null