Azure数据湖上的U-SQL作业中的错误

Question

我的Azure Data Lake帐户中有很多json文件。 它们的组织方式为：存档->文件夹1-> JSON文件。

我想要做的是提取一个特定的字段：每个json的时间戳，然后将其放入一个csv文件中。

我的问题是：

我从以下脚本开始：

CREATE ASSEMBLY IF NOT EXISTS [Newtonsoft.Json] FROM "correct_path/Assemblies/JSON/Newtonsoft.Json.dll";
CREATE ASSEMBLY IF NOT EXISTS [Microsoft.Analytics.Samples.Formats] FROM "correct_path/Assemblies/JSON/Microsoft.Analytics.Samples.Formats.dll";

REFERENCE ASSEMBLY [Newtonsoft.Json];
REFERENCE ASSEMBLY [Microsoft.Analytics.Samples.Formats];

DECLARE @INPUT_FILE string = @"correct_path/Tracking_3e9.json";


//Extract the different properties from the Json file using a JsonExtractor
@json =
    EXTRACT Partition string, Custom string
    FROM @INPUT_FILE
    USING new Microsoft.Analytics.Samples.Formats.Json.JsonExtractor();


OUTPUT @json
TO "correct_path/Output/simple.csv"
USING Outputters.Csv(quoting : false);

1. 我得到错误：

   E_STORE_USER_FILENOTFOUND：找不到文件或访问被拒绝

但是我确实可以访问Azure Data Lake的数据资源管理器中的文件，那怎么可能呢？

2. 我不想为每个文件一个接一个地运行它。 我只想将所有文件都放在一个文件夹（如Tracking * .json）或一堆文件夹（如Folder *）中，它应该通过它们并将每个文件的输出放在输出的单行中CSV。

尚未找到任何有关此的教程。

3. 现在，我正在阅读整个json，如何只读取一个字段，例如时间戳，它是特定字段中的一个字段，例如data：{timestamp：“ xxx”}？

谢谢你的帮助。

Answer 1

1）不知道为什么在没有更多信息的情况下就遇到该错误-是您专门丢失输入文件还是程序集？

2）您可以使用文件集从一组文件中提取数据。 只需使用{}来表示输入字符串中的通配符，然后将该字符保存在新列中。 因此，例如，您的输入字符串可能是@“ correct_path / {day} / {hour} / {id} .json”，然后您的extract语句变为：

    EXTRACT
        column1 string,
        column2 string,
        day     int,
        hour    int,
        id      int
   FROM @input

3）您必须在SELECT语句中读取整个JSON，但可以将其精简为仅包含将来行集中的所需行。 例如：

    @refine=
        SELECT timestamp FROM @json;

     OUTPUT @refine
     ...

听起来您的某些JSON数据已嵌套（例如timestamp字段）。 您可以在我们的GitHub（ 使用JSON UDF ）和此博客中找到有关如何读取嵌套JSON数据的信息。
希望对您有所帮助，如果还有其他问题，请告诉我！