JSON数据从OSS迁移到MaxCompute最佳实践

本文为您介绍如何利用DataWorks数据集成将JSON数据从OSS迁移到MaxCompute，并使用MaxCompute内置字符串函数GET_JSON_OBJECT提取JSON信息。

数据上传OSS

{
    "store": {
        "book": [
             {
                "category": "reference",
                "author": "Nigel Rees",
                "title": "Sayings of the Century",
                "price": 8.95
             },
             {
                "category": "fiction",
                "author": "Evelyn Waugh",
                "title": "Sword of Honour",
                "price": 12.99
             },
             {
                 "category": "fiction",
                 "author": "J. R. R. Tolkien",
                 "title": "The Lord of the Rings",
                 "isbn": "0-395-19395-8",
                 "price": 22.99
             }
          ],
          "bicycle": {
              "color": "red",
              "price": 19.95
          }
    },
    "expensive": 10
}

将applog.txt文件上传到OSS，本文中OSS Bucket位于华东2区。 

使用DataWorks导入数据到MaxCompute

1. 新增OSS数据源
   进入DataWorks 数据集成控制台，新增 OSS类型数据源。 
   
   
   具体参数如下所示，测试数据源连通性通过即可点击完成。Endpoint地址请参见 OSS各区域的外网、内网地址，本例中为 http://oss-cn-shanghai.aliyuncs.com或  http://oss-cn-shanghai-internal.aliyuncs.com（由于本文中OSS和DataWorks项目处于同一个region中，本文选用后者，通过内网连接）。 
   
   
2. 新建数据同步任务
   在DataWorks上新建 数据同步类型节点。 
   
   新建的同时，在DataWorks新建一个 建表任务，用于存放JSON数据，本例中新建表名为mqdata。 
   
   表参数可以通过图形化界面完成。本例中mqdata表仅有一列，类型为string，列名为MQ data。 
   
   完成上述新建后，您可以在图形化界面配置数据同步任务参数，如下图所示。选择目标数据源名称为odps_first，选择目标表为刚建立的mqdata。数据来源类型为OSS，Object前缀可填写文件路径及名称。列分隔符使用TXT文件中不存在的字符即可，本文中使用  ^（对于OSS中的TXT格式数据源，Dataworks支持多字符分隔符，所以您可以使用例如  %&%#^$$^%这样很难出现的字符作为列分隔符，保证分割为一列）。 
   
   映射方式选择默认的同行映射即可。 
   
   点击左上方的切换脚本按钮，切换为脚本模式。修改fileFormat参数为：  "fileFormat":"binary"。该步骤可以保证OSS中的JSON文件同步到MaxCompute之后存在同一行数据中，即为一个字段。其他参数保持不变，脚本模式代码示例如下。

   
   {
       "type": "job",
       "steps": [
           {
               "stepType": "oss",
               "parameter": {
                   "fieldDelimiterOrigin": "^",
                   "nullFormat": "",
                   "compress": "",
                   "datasource": "OSS_userlog",
                   "column": [
                       {
                           "name": 0,
                           "type": "string",
                           "index": 0
                       }
                   ],
                   "skipHeader": "false",
                   "encoding": "UTF-8",
                   "fieldDelimiter": "^",
                   "fileFormat": "binary",
                   "object": [
                       "applog.txt"
                   ]
               },
               "name": "Reader",
               "category": "reader"
           },
           {
               "stepType": "odps",
               "parameter": {
                   "partition": "",
                   "isCompress": false,
                   "truncate": true,
                   "datasource": "odps_first",
                   "column": [
                       "mqdata"
                   ],
                   "emptyAsNull": false,
                   "table": "mqdata"
               },
               "name": "Writer",
               "category": "writer"
           }
       ],
       "version": "2.0",
       "order": {
           "hops": [
               {
                   "from": "Reader",
                   "to": "Writer"
               }
           ]
       },
       "setting": {
           "errorLimit": {
               "record": ""
           },
           "speed": {
               "concurrent": 2,
               "throttle": false,
               "dmu": 1
           }
       }
   }

   完成上述配置后，点击运行接即可。运行成功日志示例如下所示。 
   
   

获取JSON字段信息

在您的 业务流程中新建一个ODPS SQL节点。 
 
您可以首先输入  SELECT*from mqdata;语句，查看当前mqdata表中数据。当然这一步及后续步骤，您也可以直接在 MaxCompute客户端中输入命令运行。 

确认导入表中的数据结果无误后，您可以使用MaxCompute内建字符串函数 GET_JSON_OBJECT获取您想要的JSON数据。本例中使用  SELECT GET_JSON_OBJECT(mqdata.MQdata,'$.expensive') FROM mqdata;获取JSON文件中的  expensive值。如下图所示，可以看到已成功获取数据。