JSON与AVRO数据文件的相互转换

Posted 2022-12-13 strongyoung88

嵌套的JSON数据与AVRO文件的相互转换

JSON是一种常用的数据交换格式，很多系统都会使用JSON作为数据接口返回的数据格式，然而，由于JSON数据中包含大量的字段名字，导致空间的严重浪费，尤其是数据文件较大的时候，而AVRO是一种更加紧凑的数据序列化系统，占用空间相对较少，更利于数据在网络当中的传输，本文介绍如何使用avro-tools工具对这两种文件格式进行转换。

准备转换工具

使用的是avro-tools-1.8.1.jar，可到官方网站下载。

准备嵌套的JSON数据

[
  "product_seris":"S_01","product_name":"iphone7","prices":["model":"iphone7","price":5200,"model":"iphone7 plus","price":5800],
  "product_seris":"S_02","product_name":"iphone6","prices":["model":"iphone6","price":4600,"model":"iphone6 plus","price":5200]
]

模拟数据，请忽略价格信息。以上内容保存为products.json.

准备schema

在对JSON数据转换成AVRO数据时，需要提供AVRO数据的schema，这个schema有些复杂，容易出错，特别是当JSON记录中有数组的情况。

"type": "array",
 "items":
   "type":"record",
   "name":"products",
     "fields": [
         "name": "product_seris", "type": "string",
         "name": "product_name", "type": "string",
         "name": "prices", "type":
            "type": "array",
                "items":
                    "type":"record",
                    "name" : "price",
                    "fields":[ "name":"model","type":"string", "name":"price","type":"float" ]
              
         
     ]
 

以上内容保存为products.avsc.

几点解释：

• 类型为array，因为从前面的JSON数据上可以看到，整个JSON数据是一个数组，因此，这里的类型为array，当类型为array时，必须指定items。

• 由于数组内部是记录形式，因此，在items里面的type是record，这里必须指定name和fields。

• fields里的name必须与JSON数据里的字段名保持一致。

• 值得注意的是，从前面的JSON数据可以看到，prices信息为数组字段，因此，必须先指定name为prices，而且type是一个对象，并不能单纯地指定为array，而是需要在对象里再用一个type来指定array，然后再加上items。

嵌套的JSON数据转换成AVRO数据

java -jar avro-tools-1.8.1.jar fromjson products.json --schema-file products.avsc > products.avro

• fromjson表示将JSON转换成AVRO。

• --schema-file 后面跟上AVRO 的schema文件。

• >表示重定向输出到文件products.avro，因为默认的是输出到控制台。

AVRO数据转换成相应的JSON数据

java -jar avro-tools-1.8.1.jar tojson products.avro

• tojson 表示将AVRO数据转换成JSON数据。结果默认输出到控制台，也可使用重定向输出到文件。

转换结果如下：

[yang@master etl]$ java -jar avro-tools-1.8.1.jar tojson products.avro
log4j:WARN No appenders could be found for logger (org.apache.hadoop.metrics2.lib.MutableMetricsFactory).
log4j:WARN Please initialize the log4j system properly.
log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.
["product_seris":"S_01","product_name":"iphone7","prices":["model":"iphone7","price":5200.0,"model":"iphone7 plus","price":5800.0],"product_seris":"S_02","product_name":"iphone6","prices":["model":"iphone6","price":4600.0,"model":"iphone6 plus","price":5200.0]]

参考文献：
[1] https://avro.apache.org/docs/current/spec.html

[2] https://avro.apache.org/docs/current/gettingstartedjava.html

[3] http://grokbase.com/t/avro/user/129hab256y/converting-arbitrary-json-to-avro

[4] http://stackoverflow.com/questions/22443051/avro-tools-json-to-avro-schema-fails-org-apache-avro-schemaparseexception-unde