[英]How to read a JSON file using Apache beam parDo function in Java
我是Apache Beam的新手。 根据我们的要求,我需要传递一个包含5至10条JSON记录的JSON文件作为输入,并逐行从文件中读取此JSON数据并存储到BigQuery中。 谁能帮我提供下面的示例代码,该示例代码尝试使用apache beam读取JSON数据:
PCollection<String> lines =
pipeline
.apply("ReadMyFile",
TextIO.read()
.from("C:\\Users\\Desktop\\test.json"));
if(null!=lines) {
PCollection<String> words =
lines.apply(ParDo.of(new DoFn<String, String>() {
@ProcessElement
public void processElement(ProcessContext c) {
String line = c.element();
}
}));
pipeline.run();
}
答案是取决于。
TextIO
读取文件。 因此,在test.json
每一行都需要包含一个单独的Json对象。
然后,您拥有的ParDo
将一一收到这些行,即,对@ProcessElement
每次调用都将获得一行。
然后在你的ParDo
,你可以使用像杰克逊ObjectMapper
从线(或任何其他JSON分析器你熟悉解析JSON,但杰克逊被广泛使用,其中包括梁本身几个地方。
总体而言,编写ParDo
的方法是:
c.element()
; c.element()
的值做一些事情,例如将其从json解析为java对象; c.element()
所做的结果发送到c.output()
; 我建议从Beam SDK的Jackson扩展开始,它添加了PTransforms
来做到这一点,请参见this和this 。
也请看看这篇文章,它有一些链接。
您还可以使用JsonToRow
转换来寻找类似的逻辑,不同之处在于它不是将Json解析为用户定义的Java对象,而是解析为Beam Row类。
在写入BQ之前,您需要将从Json解析的对象转换为BQ行,这将是解析逻辑之后的另一个ParDo
,然后实际应用BQIO作为下一步。 您可以在BQ测试中看到一些示例。
假设我们在文件中有一个json字符串,如下所示,
{"col1":"sample-val-1", "col2":1.0}
{"col1":"sample-val-2", "col2":2.0}
{"col1":"sample-val-3", "col2":3.0}
{"col1":"sample-val-4", "col2":4.0}
{"col1":"sample-val-5", "col2":5.0}
为了通过DataFlow / Beam将这些值从文件存储到BigQuery,您可能必须执行以下步骤,
定义一个TableReference来引用BigQuery表。
为您希望存储的每一列定义TableFieldSchema。
使用TextIO.read()读取文件。
创建一个DoFn将Json字符串解析为TableRow格式。
使用BigQueryIO提交TableRow对象。
您可以参考以下有关上述步骤的代码段,
对于TableReference和TableFieldSchema创建,
TableReference tableRef = new TableReference(); tableRef.setProjectId("project-id"); tableRef.setDatasetId("dataset-name"); tableRef.setTableId("table-name"); List<TableFieldSchema> fieldDefs = new ArrayList<>(); fieldDefs.add(new TableFieldSchema().setName("column1").setType("STRING")); fieldDefs.add(new TableFieldSchema().setName("column2").setType("FLOAT"));
对于管道步骤,
Pipeline pipeLine = Pipeline.create(options); pipeLine .apply("ReadMyFile", TextIO.read().from("path-to-json-file")) .apply("MapToTableRow", ParDo.of(new DoFn<String, TableRow>() { @ProcessElement public void processElement(ProcessContext c) { Gson gson = new GsonBuilder().create(); HashMap<String, Object> parsedMap = gson.fromJson(c.element().toString(), HashMap.class); TableRow row = new TableRow(); row.set("column1", parsedMap.get("col1").toString()); row.set("column2", Double.parseDouble(parsedMap.get("col2").toString())); c.output(row); } })) .apply("CommitToBQTable", BigQueryIO.writeTableRows() .to(tableRef) .withSchema(new TableSchema().setFields(fieldDefs)) .withCreateDisposition(CreateDisposition.CREATE_IF_NEEDED) .withWriteDisposition(WriteDisposition.WRITE_APPEND)); pipeLine.run();
BigQuery表可能如下所示,
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.