JSON数据从OSS迁移到MaxCompute最佳实践

摘要： 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。

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
将您的JSON文件重命名后缀为TXT文件，并上传到OSS。本文中使用的JSON文件示例如下。

{

"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
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.aliyun... 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）。

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。