摄取 JSON 对象数组并转换为表格数据

Posted 2023-04-18

【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。

【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