JSON數據從OSS遷移到MaxCompute最佳實踐

摘要： 本文爲您介紹如何利用DataWorks數據集成將JSON數據從OSS遷移到MaxCompute，並使用MaxCompute內置字符串函數GET_JSON_OBJECT提取JSON信息。

本文爲您介紹如何利用DataWorks數據集成將JSON數據從OSS遷移到MaxCompute，並使用MaxCompute內置字符串函數GET_JSON_OBJECT提取JSON信息。

數據上傳OSS

將您的JSON文件重命名後綴爲TXT文件，並上傳到OSS。本文中使用的JSON文件示例以下。

{
    "store": {
        "book": [
             {
                "category": "reference",
                "author": "Nigel Rees",
                "title": "Sayings of the Century",
                "price": 8.95
             },
             {
                "category": "fiction",
                "author": "Evelyn Waugh",
                "title": "Sword of Honour",
                "price": 12.99
             },
             {
                 "category": "fiction",
                 "author": "J. R. R. Tolkien",
                 "title": "The Lord of the Rings",
                 "isbn": "0-395-19395-8",
                 "price": 22.99
             }
          ],
          "bicycle": {
              "color": "red",
              "price": 19.95
          }
    },
    "expensive": 10
}

將applog.txt文件上傳到OSS，本文中OSS Bucket位於華東2區。 

使用DataWorks導入數據到MaxCompute

1. 新增OSS數據源

   進入DataWorks數據集成控制檯，新增OSS類型數據源。 
   

   具體參數以下所示，測試數據源連通性經過便可點擊完成。Endpoint地址請參見OSS各區域的外網、內網地址，本例中爲http://oss-cn-shanghai.aliyuncs.com或 http://oss-cn-shanghai-internal.aliyuncs.com（因爲本文中OSS和DataWorks項目處於同一個region中，本文選用後者，經過內網鏈接）。 
   

2. 新建數據同步任務在DataWorks上新建數據同步類型節點。 
   
   新建的同時，在DataWorks新建一個建表任務，用於存放JSON數據，本例中新建表名爲mqdata。 
   
   表參數能夠經過圖形化界面完成。本例中mqdata表僅有一列，類型爲string，列名爲MQ data。 
   
   完成上述新建後，您能夠在圖形化界面配置數據同步任務參數，以下圖所示。選擇目標數據源名稱爲odps_first，選擇目標表爲剛創建的mqdata。數據來源類型爲OSS，Object前綴可填寫文件路徑及名稱。列分隔符使用TXT文件中不存在的字符便可，本文中使用 ^（對於OSS中的TXT格式數據源，Dataworks支持多字符分隔符，因此您能夠使用例如 %&%#^$$^%這樣很難出現的字符做爲列分隔符，保證分割爲一列）。 
   
   映射方式選擇默認的同行映射便可。 
   
   點擊左上方的切換腳本按鈕，切換爲腳本模式。修改fileFormat參數爲： "fileFormat":"binary"。該步驟能夠保證OSS中的JSON文件同步到MaxCompute以後存在同一行數據中，即爲一個字段。其餘參數保持不變，腳本模式代碼示例以下。

   {
       "type": "job",
       "steps": [
           {
               "stepType": "oss",
               "parameter": {
                   "fieldDelimiterOrigin": "^",
                   "nullFormat": "",
                   "compress": "",
                   "datasource": "OSS_userlog",
                   "column": [
                       {
                           "name": 0,
                           "type": "string",
                           "index": 0
                       }
                   ],
                   "skipHeader": "false",
                   "encoding": "UTF-8",
                   "fieldDelimiter": "^",
                   "fileFormat": "binary",
                   "object": [
                       "applog.txt"
                   ]
               },
               "name": "Reader",
               "category": "reader"
           },
           {
               "stepType": "odps",
               "parameter": {
                   "partition": "",
                   "isCompress": false,
                   "truncate": true,
                   "datasource": "odps_first",
                   "column": [
                       "mqdata"
                   ],
                   "emptyAsNull": false,
                   "table": "mqdata"
               },
               "name": "Writer",
               "category": "writer"
           }
       ],
       "version": "2.0",
       "order": {
           "hops": [
               {
                   "from": "Reader",
                   "to": "Writer"
               }
           ]
       },
       "setting": {
           "errorLimit": {
               "record": ""
           },
           "speed": {
               "concurrent": 2,
               "throttle": false,
               "dmu": 1
           }
       }
   }

   完成上述配置後，點擊運行接便可。運行成功日誌示例以下所示。 
   

獲取JSON字段信息

在您的業務流程中新建一個ODPS SQL節點。 

 

您能夠首先輸入 SELECT*from mqdata;語句，查看當前mqdata表中數據。固然這一步及後續步驟，您也能夠直接在MaxCompute客戶端中輸入命令運行。 

確認導入表中的數據結果無誤後，您能夠使用MaxCompute內建字符串函數GET_JSON_OBJECT獲取您想要的JSON數據。本例中使用 SELECT GET_JSON_OBJECT(mqdata.MQdata,'$.expensive') FROM mqdata;獲取JSON文件中的 expensive值。以下圖所示，能夠看到已成功獲取數據。 

原文連接