node.js - 如何使用 createWriteStream 将 JSON 流式传输到 BigQuery 表？

Question

我有一个很大的 JSON 文件，我想对其稍作转换并作为新表发送到 Google BigQuery。我过去在 node.js 中使用过流效果很好，我认为这是解决这个问题的一个不错的解决方案。我正在使用 official Google node.js BigQuery API 。我可以毫无问题地创建一个具有正确架构的表。我想我已经准备好了解决方案。程序完成得很好，但最终没有数据登陆我的 BigQuery 表。

相关代码如下

我的 node.js 流代码:

fs.createReadStream('testfile.json')
        .pipe(require('split')())
        .pipe(require('event-stream').mapSync((data) => {
            if (data.length > 1) {
                let obj;
                try {
                    obj = JSON.parse('{' + (data[data.length - 1] === ',' ? data.slice(0, data.length - 1) : data) + '}');
                } catch (e) {
                    console.error('error parsing!', e, data);
                }
                let user = Object.keys(obj)[0];
                let company = obj[user][0];
                let item = {
                    user: user,
                    company: company
                };
                console.log(item);
                return JSON.stringify(item);
            }
        }))
        .pipe(table.createWriteStream('json'))
        .on('error', (e) => {
            console.error('Error!', e);
        })
        .on('complete', (job) => {
            console.log('All done!', job);
        });

testfile.json 看起来像这样:

{
  "a":["a company", "1234567"],
  "b":["b company", "1234214"],
  "c":["c company", "12332231"]
}

当我运行程序时，输出如下所示:

{ user: 'a', company: 'a company' }
{ user: 'b', company: 'b company' }
{ user: 'c', company: 'c company' }
All done! Job {
  metadata:
   { kind: 'bigquery#job',
   /* lots more data here */

docs for createWriteStream 并没有非常详细地说明数据应该采用什么格式以泵入写入流，所以我觉得我有点盲目。

Answer 1

找出我需要做什么来 a) 使导入工作和 b) 更清楚地了解正在发生的事情。

修复导入

指定您将向 createWriteStream 提供一个以换行符分隔的 JSON 文件。 :

let firehose = table.createWriteStream({
    sourceFormat: 'NEWLINE_DELIMITED_JSON'
});

和

确保 JSON 转换器返回换行符分隔的 JSON:

return JSON.stringify(item) + '\n';

流和作业状态的可见性

消防水管 writeStream有 error和 complete您可以订阅的事件，但表的 writeStream的 complete event 提供了一个 Job 作为参数，它本身有更多的事件你可以订阅以获得更多的洞察力。

let moment = require('moment');
firehose.on('error', (e) => {
    console.error('firehose error!', e);
});
firehose.on('complete', (job) => {
    console.log('Firehose into BigQuery emptied! BigQuery Job details:', job.metadata.status.state, job.metadata.jobReference.jobId);
    console.log('Now we wait for the Job to finish...');
    job.on('complete', (job) => {
        console.log('BigQuery Job loaded', job.statistics.load.inputFileBytes, 'bytes yielding', job.statistics.load.outputRows, 'rows and', job.statistics.load.badRecords, 'bad records in', moment(parseInt(job.statistics.endTime)).from(moment(parseInt(job.statistics.startTime)), true));
    });
    job.on('error', (e) => { console.error('Job error', e); });
});