ksql - 从 json 数组创建流

Question

我的 kafka 主题正在以这种格式推送数据（来自collectd ）：

[{"values":[100.000080140372],"dstypes":["derive"],"dsnames":["value"],"time":1529970061.145,"interval":10.000,"host":"k5.orch","plugin":"cpu","plugin_instance":"23","type":"cpu","type_instance":"idle","meta":{"network:received":true}}]

它是数组、整数和浮点数的组合……整个过程都在一个 json 数组中。 因此，我有很多时间使用ksql来处理这些数据。

当我创建一个“默认”流时

create stream cd_temp with (kafka_topic='ctd_test', value_format='json');

我得到这个结果：

ksql> describe cd_temp;

 Field   | Type                      
-------------------------------------
 ROWTIME | BIGINT           (system) 
 ROWKEY  | VARCHAR(STRING)  (system) 
-------------------------------------

任何选择都将返回 ROWTIME 和 ROWKEY 的 8 位十六进制值。

我花了一些时间试图提取 json 字段无济于事。 让我担心的是：

ksql> print 'ctd_test' from beginning;
Format:JSON
com.fasterxml.jackson.databind.node.ArrayNode cannot be cast to com.fasterxml.jackson.databind.node.ObjectNode

这个话题有可能不能在ksql 中使用吗？ 是否有一种技术可以解包外部数组以获取内部有趣的位？

Answer 1

在撰写本文时（2018 年 6 月），KSQL 无法处理整个内容都嵌入在顶级数组中的 JSON 消息。 有一个github 问题来跟踪这个。 我建议在这个问题上添加 +1 投票以提高它的优先级。

另外，我注意到您的 create stream 语句没有定义 json 消息的架构。 虽然这在这种情况下无济于事，但它是其他 Json 输入格式所需要的，即您的 create 语句应该是这样的：

create stream cd_temp (values ARRAY<DOUBLE>, dstypes ARRAY<VARCHAR>, etc) with (kafka_topic='ctd_test', value_format='json');