hbase - 使用 pig 将 json 批量加载到 HBase

Question

嗨，我正在寻找一种方法来每行加载大量 json 文档

每一行的格式为：

'{id :"id123", "c1":"v1", "c2":"v2", "c3" :"v3"...}'

每个 json 文档可以有未知数量的字段。有没有办法在猪身上做到这一点？我想将字段加载到 hbase 上的单独列中。

Answer 1

您可能想使用 udf。例如，使用 python 和您提供的内容：

UDF：

from com.xhaus.jyson import JysonCodec as json
from com.xhaus.jyson import JSONDecodeError


@outputSchema(
    "rels:{t:('{id:chararray,c1:chararray, c2:chararray, c3:chararray...}')}"
)
def parse_json(line):
    try:
        parsed_json = json.loads(line)
    except:
       return None
    return tuple(parsed_json.values())

猪：

REGISTER 'path-to-udf.py' USING jython AS py_udf ;

raw_data = LOAD 'path-to-your-data'
           USING PigStorage('\n')
           AS (line:chararray) ;

-- Parse lines using UDF
parsed_data = FOREACH cleanRawLogs GENERATE FLATTEN(py_f.parse_json(line)) ;