java - 在 Java 中将 JSON 转换为 parquet

标签 java json hadoop avro parquet

我正在尝试使用 Java 将 JSON 转换为 parquet 格式,但出现异常。

输入 JSON:

{"list": [ {"mainBearingX": 0.178334,
            "gearBoxZ": 0.03885,
            "_t": 1560305236290000,
            "mainBearingZ": 0.034438,
            "gearBoxX": 0.035738,
            "mainBearingY": 0.029445,
            "gearBoxY": 0.040929,
            "generatorX": 0.776837,
            "generatorY": 0.124234,
            "ts_id":"t1"
           },
           {"mainBearingX": 0.169478,
            "gearBoxZ": 0.008242,
            "_t": 1560305236311000,
            "mainBearingZ": 0.007531,
            "gearBoxX": 0.025647,
            "mainBearingY": 0.029445,
            "gearBoxY": 0.026282,
            "generatorX": 0.770189,
            "generatorY": 0.117464,
            "ts_id": "t1"
           }
         ]
}

代码:

public static void toConvert(OutPut output) {
            String inputFile = "test.parquetFile";
            Path dataFile = new Path(inputFile);
            Schema schema = ReflectData.AllowNull.get().getSchema(OutPut.class);
            try (ParquetWriter<OutPut> writer = AvroParquetWriter.<OutPut>builder(dataFile)
                    .withSchema(schema)
                    .withDataModel(ReflectData.get())
                    .withConf(new Configuration())
                    .withCompressionCodec(CompressionCodecName.SNAPPY)
                    .withWriteMode(Mode.OVERWRITE)
                    .build()) {
            } catch (IOException e) {
                e.printStackTrace();
            }
public class OutPut {
    List<Map<String, Object>> list;
} 

异常(exception):

Exception in thread "main" org.apache.parquet.schema.InvalidSchemaException: Cannot write a schema with an empty group: required group value {}
at org.apache.parquet.schema.TypeUtil$1.visit(TypeUtil.java:27)
at org.apache.parquet.schema.GroupType.accept(GroupType.java:226)
at org.apache.parquet.schema.TypeUtil$1.visit(TypeUtil.java:31)
at org.apache.parquet.schema.GroupType.accept(GroupType.java:226)
at org.apache.parquet.schema.TypeUtil$1.visit(TypeUtil.java:31)
at org.apache.parquet.schema.GroupType.accept(GroupType.java:226)
at org.apache.parquet.schema.TypeUtil$1.visit(TypeUtil.java:31)
at org.apache.parquet.schema.GroupType.accept(GroupType.java:226)
at org.apache.parquet.schema.TypeUtil$1.visit(TypeUtil.java:31)
at org.apache.parquet.schema.TypeUtil$1.visit(TypeUtil.java:37)
at org.apache.parquet.schema.MessageType.accept(MessageType.java:55)
at org.apache.parquet.schema.TypeUtil.checkValidWriteSchema(TypeUtil.java:23)
at org.apache.parquet.hadoop.ParquetFileWriter.<init>(ParquetFileWriter.java:228)
at org.apache.parquet.hadoop.ParquetWriter.<init>(ParquetWriter.java:273)
at org.apache.parquet.hadoop.ParquetWriter$Builder.build(ParquetWriter.java:494)

最佳答案

问题是您的 OutPut 类型包含 Object 类型作为 Map 中的值类型:

public class OutPut {
    List<Map<String, Object>> list;
}

您正在使用 ReflectData 通过内省(introspection)来推断您的类型的 Avro 架构。但是,它无法从 Object 类型推断出任何有用的信息。

如果您更改 OutPut 的定义以使用具体类型,例如:

public class OutPut {
    List<Map<String, Double>> list;
}

那么它应该可以工作。

关于java - 在 Java 中将 JSON 转换为 parquet,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57430625/

相关文章:

mysql - 从 mysql 中的对象数组中删除 json 对象

Java/Scala 远程 HDFS 使用

java - Rational类编写加法和乘法方法

java - 匿名类型的类型

java - Eclipse 返回错误信息 “Java was started but returned exit code= 1”

python - Django Ajax "FORBIDDEN"错误

java - 如何从json中提取所有变量名称?

java - 使用多线程 TransferFromLocal 到 hadoop hdfs

java - Apache Spark 中的持久化选项

java - 无状态 bean 的行为类似于有状态 session bean - 为什么?