azure - Azure Data Lake 上的 U-SQL 作业出错

Question

我的 Azure Data Lake 帐户中有很多 json 文件。它们的组织方式为:存档 -> 文件夹 1 -> JSON 文件。

我想要做的是从每个 json 中提取一个特定字段:时间戳，然后将其放入 csv 文件中。

我的问题是:

我从这个脚本开始:

CREATE ASSEMBLY IF NOT EXISTS [Newtonsoft.Json] FROM "correct_path/Assemblies/JSON/Newtonsoft.Json.dll";
CREATE ASSEMBLY IF NOT EXISTS [Microsoft.Analytics.Samples.Formats] FROM "correct_path/Assemblies/JSON/Microsoft.Analytics.Samples.Formats.dll";

REFERENCE ASSEMBLY [Newtonsoft.Json];
REFERENCE ASSEMBLY [Microsoft.Analytics.Samples.Formats];

DECLARE @INPUT_FILE string = @"correct_path/Tracking_3e9.json";


//Extract the different properties from the Json file using a JsonExtractor
@json =
    EXTRACT Partition string, Custom string
    FROM @INPUT_FILE
    USING new Microsoft.Analytics.Samples.Formats.Json.JsonExtractor();


OUTPUT @json
TO "correct_path/Output/simple.csv"
USING Outputters.Csv(quoting : false);

1. 我收到错误:

   E_STORE_USER_FILENOTFOUND:找不到文件或访问被拒绝

但我确实可以访问 Azure Data Lake 的数据资源管理器中的文件，那怎么可能呢？

我不想为每个文件一个一个地运行它。我只想给它一个文件夹中的所有文件(如 Tracking*.json)或一堆文件夹(如 Folder*)，它应该遍历它们并将每个文件的输出放在输出的单行中.csv。

尚未找到任何相关教程。

现在，我正在读取整个 json，如何只读取一个字段(例如时间戳)，该字段是特定字段中的一个字段，例如数据:{timestamp:"xxx"}？

感谢您的帮助。

Answer 1

1)不确定为什么在没有更多信息的情况下会遇到该错误 - 您是特别缺少输入文件还是程序集？

2) 您可以使用文件集从一组文件中提取数据。只需使用 {} 来表示输入字符串中的通配符，然后将该字符保存在新列中。例如，您的输入字符串可能是 @"Correct_path/{day}/{hour}/{id}.json"，然后您的提取语句将变为:

    EXTRACT
        column1 string,
        column2 string,
        day     int,
        hour    int,
        id      int
   FROM @input

3) 您必须读取 SELECT 语句中的整个 JSON，但您可以将其细化为仅包含 future 行集中所需的行。例如:

    @refine=
        SELECT timestamp FROM @json;

     OUTPUT @refine
     ...

听起来您的一些 JSON 数据是嵌套的(例如时间戳字段)。您可以在我们的 GitHub ( Using the JSON UDFs ) 和 this blog 中找到信息。了解如何读取嵌套的 JSON 数据。
希望这对您有所帮助，如果您还有其他问题，请告诉我!