JSON數據從OSS遷移到MaxCompute最佳實踐

時間 2019-12-06

標籤 json 據從 oss 遷移 maxcompute 最佳實踐欄目 JavaScript 简体版

原文原文鏈接

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。html

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。app

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。函數

{
    "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。測試

使用DataWorks導入數據到MaxCompute

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

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）。
3d

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。日誌

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。 code

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。 orm

原文連接htm