- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
我在 Cloudera Distribution 上使用 StreamSets,试图从这个网站 http://files.data.gouv.fr/sirene/ 获取一些数据
我在选择 HTTP 客户端和 Hadoop FS 目标的参数时遇到了一些问题。
https://image.noelshack.com/fichiers/2017/44/2/1509457504-streamsets-f.jpg
我收到此错误:HTTP_00 - 无法解析记录:java.io.IOException:org.apache.commons.compress.archivers.ArchiveException:找不到流签名的存档器
我会向您展示我的配置。
HTTP 客户端:
一般
名称:HTTP 客户端 INSEE
描述:客户端 HTTP SIRENE
记录错误:发送到错误
HTTP
资源网址:http://files.data.gouv.fr/sirene/
标题:sirene_:sirene_
模式:流媒体
按状态操作
HTTP 统计代码:500 |状态操作:使用指数退避重试 |
基本退避间隔(毫秒):1000 |最大重试次数:10
HTTP 方法:获取
body 时区:UTC (UTC)
请求传输编码:缓冲
HTTP 压缩:无
连接超时:0
读取超时:0
身份验证类型:无
使用 OAuth 2
使用代理
最大批量大小(记录):1000
批量等待时间(毫秒):2000
分页
分页模式:无
TLS
使用TLS
超时处理
超时操作:立即重试
最大重试次数:10
数据格式
日期格式:分隔
压缩格式:存档
压缩目录中的文件名模式:*.csv
分隔符格式类型:自定义
标题行:带标题行
最大记录长度(字符):1024
允许额外的列
分隔符:分号
转义字符:其他\
引用字符:其他"
根字段类型:列表映射
要跳过的行:0
解析 NULL
字符集:UTF-8
忽略控制字符
Hadoop FS 目标:
一般
名称:Hadoop FS 1
描述:写入HDFS
阶段库:CDH 5.7.6
产生事件
必填字段
先决条件
记录错误:发送到错误
输出文件
文件类型:整个文件
文件前缀
标题中的目录
目录模板:/user/pap/StreamSets/sirene/
数据时区:UTC (UTC)
时间基准:${time:now()}
使用滚动属性
验证 HDFS 权限:开启
跳过文件恢复:开
迟到记录
延迟记录时间限制(秒):${1 * HOURS}
延迟记录处理:发送到错误
数据格式
数据格式:整个文件
文件名表达式:${record:value('/fileInfo/filename')}
权限表达式:777
文件存在:覆盖
在事件中包含校验和
...那么我做错了什么? :(
最佳答案
看起来像http://files.data.gouv.fr/sirene/正在返回文件列表,而不是压缩存档。这是一个棘手的问题,因为没有标准的方法来遍历这样的列表。您也许能够阅读 http://files.data.gouv.fr/sirene/作为文本,然后使用 Jython 评估器解析出 zip 文件 URL,检索、解压缩和解析它们,将解析的记录添加到批处理中。不过,我认为您使用此方法会有问题,因为所有记录最终都会出现在同一批中,从而耗尽内存。
另一个想法可能是使用两个管道 - 第一个将使用 HTTP 客户端来源和脚本评估器来下载压缩文件并将它们写入本地目录。然后,第二条管道将照常通过目录来源读取压缩的 CSV。
如果您决定试一试,请通过我们的 channel 之一与 StreamSets 社区互动 - 请参阅 https://streamsets.com/community
关于http - StreamSets HTTP 客户端,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47037139/
据我了解,HTTP POST 请求的正文大小没有限制。因此,客户端可能会在一个 HTTP 请求中发送 千兆字节 的数据。现在我想知道 HTTP 服务器应该如何处理此类请求。 Tomcat 和 Jett
在了解Web Deploy我遇到了一些讨论 http://+:80 和 http://*:80 的 netsh.exe 命令。这些是什么意思? 最佳答案 引自URLPrefix Strings (Wi
假设我有一个负载均衡器,然后是 2 个 Web 服务器,然后是一个负载均衡器,然后是 4 个应用程序服务器。 HTTP 响应是否遵循与 HTTP 请求服务相同的路径? 最佳答案 按路径,我假设您是网络
我有一个带有 uri /api/books/122 的资源,如果在客户端为此资源发送 HTTP Delete 时该资源不存在,那么相应的响应代码是什么这个 Action ?是不是404 Not Fou
是否有特定的(或约定的)HTTP 响应消息(或除断开连接之外的其他操作)来阐明服务器不接受 pipelined HTTP requests ? 我正在寻找能让客户端停止流水线化它的请求并分别发送每个请
在了解Web Deploy我遇到了一些讨论 http://+:80 和 http://*:80 的 netsh.exe 命令。这些是什么意思? 最佳答案 引自URLPrefix Strings (Wi
我有一个带有 uri /api/books/122 的资源,如果在客户端为此资源发送 HTTP Delete 时该资源不存在,那么相应的响应代码是什么这个 Action ?是不是404 Not Fou
关闭。这个问题需要更多focused .它目前不接受答案。 想改进这个问题吗? 更新问题,使其只关注一个问题 editing this post . 关闭 8 年前。 Improve this qu
我使用 Mule 作为 REST API AMQP。我必须发送自定义请求方法:“PRINT”,但我收到: Status Code: 400 Bad Request The request could
我需要针对具有不同 HTTP 响应代码的 URL 测试我的脚本。我如何获取响应代码 300、303 或 307 等的示例/示例现有 URL? 谢谢! 最佳答案 您可以使用 httpbin为此目的。 例
我正在尝试编写一个程序来匹配 HTTP 请求及其相应的响应。似乎在大多数情况下一切都运行良好(当传输完全有序时,即使不是,通过使用 TCP 序列号)。 我发现的唯一问题是当我有流水线请求时。在那之后,
RESTful Web Services鼓励使用 HTTP 303将客户端重定向到资源的规范表示。它仅在 HTTP GET 的上下文中讨论主题。 这是否也适用于其他 HTTP 方法?如果客户端尝试对非
当使用chunked HTTP传输编码时,为什么服务器需要同时写出chunk的字节大小并且后续的chunk数据以CRLF结尾? 这不会使发送二进制数据“CRLF-unclean”和方法有点多余吗? 如
这个问题在这里已经有了答案: Is it acceptable for a server to send a HTTP response before the entire request has
如果我向同一台服务器发出多个 HTTP Get 请求并收到每个请求的 HTTP 200 OK 响应,我如何使用 Wireshark 判断哪个请求映射到哪个响应? 目前看起来像是发出了一个 http 请
func main() { http.HandleFunc("/", handler) } func handler(w http.ResponseWriter, r http.Request
我找不到有值(value)的 NodeJS with Typescript 教程,所以我在无指导下潜入水中,果然我有一个问题。 我不明白这两行之间的区别: import * as http from
问一个关于Are HTTP headers case-sensitive?的问题,如果 HTTP 方法区分大小写,大多数服务器如何处理“get”或“post”与“GET”或“POST”? 例如,看起来
我正在使用ASP.NET,在其中我通过动词GET接收查询,该应用程序专用于该URL。 该代码有效,但是如果用户发送的密码使http 200无效,请回答我,并在消息的正文中显示“Fail user or
Closed. This question needs details or clarity。它当前不接受答案。 想改善这个问题吗?添加详细信息,并通过editing this post阐明问题。 9
我是一名优秀的程序员,十分优秀!