json - 将具有不同模式的 json 加载到 PIG 中

Question

我遇到了将一组 json 文档加载到 PIG 中的问题。
我拥有的是很多 json 文档，它们的字段各不相同，我需要的字段在大多数文档中，而在缺少的情况下，我想获得空值。

我刚刚下载并编译了最新的 Pig 版本(直接来自 apache git 存储库的 0.12)只是为了确保这还没有解决。

我有一个像这样的json文档:

{"foo":1,"bar":2,"baz":3}

当我使用这个将它加载到 PIG 中时

Json1 = LOAD 'test.json' USING JsonLoader('foo:int,bar:int,baz:int');
DESCRIBE Json1;
DUMP Json1;

我得到了预期的结果

Json1: {foo: int,bar: int,baz: int}
(1,2,3)

但是，当字段在架构中的顺序不同时:

Json2 = LOAD 'test.json' USING JsonLoader('baz:int,bar:int,foo:int');
DESCRIBE Json2;
DUMP Json2;

我得到了一个不想要的结果:

Json2: {baz: int,bar: int,foo: int}
(1,2,3)

那应该是

(3,2,1)

显然，模式定义中的字段名称与 json 中的字段名称无关。

我需要的是将特定字段从 json 文件(带有嵌入的文档!)加载到 PIG 中。

我该如何解决？

Answer 1

我认为即使是最新版本的 Pig 也是一个已知问题，因此除了使用功能更强大的 JsonLoader 之外，没有其他简单的方法可以解决这个问题。

使用 Elephant Bird JSONLoader相反，它将按照您期望的方式运行 - 换句话说，尊重字段顺序。