摄取 JSON 对象数组并转换为表格数据
Posted
技术标签:
【中文标题】摄取 JSON 对象数组并转换为表格数据【英文标题】:Ingesting an array of JSON objects and transforming to tabular data 【发布时间】:2015-08-14 22:17:13 【问题描述】:我有一个这样的 JSON 对象数组。 [ 和 ] 封装的每个数组都在一行上。
["event":0,"properties":"color":"red","connectionType":2"event":30,"properties":"color":"blue","connectionType":4,"event":45,"properties":"color":"green","connectionType":3]
["event":0,"properties":"color":"red","connectionType":5,
"event":1,"properties":"color",:"blue","connectionType":6]
这里的格式更容易阅读。
[
"event":0, "properties":"color":"red","connectionType":2,
"event":3, "properties":"color":"blue",'connectionType":4,
"event":45, "properties":"color":"green","connectionType":3
]
[
"event":0, "properties":"color":"red","connectionType":5,
"event":1, "properties":"color":"blue","connectionType":6
]
有些事情需要注意,所以 [ ] 中的每个 JSON 对象都在一行中。每行中的对象数量各不相同。属性内的字段数量也各不相同。
我想要这些数据是获取每个 JSON 对象并将其以逗号分隔或制表符分隔值的形式转换为表格格式
| event | color | connectionType
0 red 2
3 blue 4
我查看了 PIG 用于读取 JSON 结构的一些工具 - 即大象鸟,但不能完全让它在我的数据上工作。
我希望获得有关替代解决方案的指针,或使用 elephant-bird / 其他 pig json 解析器 的示例代码。我的最终目标实际上只是捕获事件和属性的子集并将它们加载到 Hive 中。
【问题讨论】:
【参考方案1】:在您的 json 文件中。你没有开始对象。所以它不区分行。我找到了解决方案,但我已将 start 对象放入您的 json 对象中。
"startObject":["event":0, "properties":"color":"red","connectionType":2,"event":3, "properties":"color":"blue","connectionType":4,"event":45, "properties":"color":"green","connectionType":3]
A = LOAD '/home/kishore/Data/Pig/pig.json' USING JsonLoader('(event:chararray,properties: (color:chararray,connectionType:chararray))');
B = foreach A generate Flatten($0);
C = foreach B generate $0,Flatten($1);
Dump C;
Result
(0,red,2)
(3,blue,4)
(45,green,3)
如果你想解析你的 json 对象而不放置 start 对象,在这种情况下你应该编写你自己的自定义 UDF。 https://gist.github.com/kimsterv/601331
或者去象鸟 https://github.com/twitter/elephant-bird
【讨论】:
以上是关于摄取 JSON 对象数组并转换为表格数据的主要内容,如果未能解决你的问题,请参考以下文章