如何在druid中格式化tsv文件

e5nszbig 于 2021-05-29 发布在 Hadoop

关注(0)|答案(1)|浏览(391)

我正试图用这个食入点在Druid中加载一个tsv：
最新规范如下：

{                                                                                                                                                                                               
"type" : "index",
"spec" : {
    "ioConfig" : {
        "type" : "index",
        "inputSpec" : {
            "type": "local",
            "baseDir": "quickstart",
            "filter": "test_data.json"
        }
    },
    "dataSchema" : {
        "dataSource" : "local",
        "granularitySpec" : {
            "type" : "uniform",
            "segmentGranularity" : "hour",
            "queryGranularity" : "none",
            "intervals" : ["2016-07-18/2016-07-22"]
        },
        "parser" : {
            "type" : "string",
            "parseSpec" : {
                "format" : "json",
                "dimensionsSpec" : {
                    "dimensions" : ["name", "email", "age"]
                },
                "timestampSpec" : {
                    "format" : "yyyy-MM-dd HH:mm:ss",
                     "column" : "date"
                }
            }
        },
        "metricsSpec" : [
            {
                "name" : "count",
                "type" : "count"
            },
            {
              "type" : "doubleSum",
              "name" : "age",
              "fieldName" : "age"
            }
        ]
    }
}

}
如果我的架构如下所示：

Schema: name    email    age

实际数据集如下所示：

name    email    age    Bob    Jones    23    Billy    Jones    45

这就是tsv的上述数据集中列的格式吗？就像 name email age 首先应该是（列），然后是实际数据。我很困惑Druid怎么知道如何将列Map到tsv格式的实际数据集。

hadoop JSON druid

来源：https://stackoverflow.com/questions/38510530/how-to-format-the-tsv-file-in-druid

1条答案

按热度按时间

1tuwyuhd1#

tsv代表制表符分隔格式，因此它看起来与csv相同，但您将使用制表符而不是逗号。

Name<TAB>Age<TAB>Address
Paul<TAB>23<TAB>1115 W Franklin
Bessy the Cow<TAB>5<TAB>Big Farm Way
Zeke<TAB>45<TAB>W Main St

您将使用第一行作为标题来定义列名，这样您就可以在spec文件的维度中使用“name”、“age”或“email”
至于gmt和utc，它们基本相同
格林威治标准时间和协调世界时之间没有时差
第一个是时区，另一个是时间标准
顺便说一句，别忘了在你的tsv文件中包含一个带有时间值的列！！
例如，如果您的tsv文件如下所示：

"name"  "position"  "office"    "age"   "start_date"    "salary"
"Airi Satou"    "Accountant"    "Tokyo" "33"    "2016-07-16T19:20:30+01:00" "162700"
"Angelica Ramos"    "Chief Executive Officer (CEO)" "London"    "47"    "2016-07-16T19:20:30+01:00" "1200000"

等级库文件应如下所示：

{
    "spec" : {
        "ioConfig" : {
            "inputSpec" : {
                "type": "local",
                "baseDir": "path_to_folder",
                "filter": "name_of_the_file(s)"
            }
        },
        "dataSchema" : {
            "dataSource" : "local",
            "granularitySpec" : {
                "type" : "uniform",
                "segmentGranularity" : "hour",
                "queryGranularity" : "none",
                "intervals" : ["2016-07-01/2016-07-28"]
            },
            "parser" : {
                "type" : "string",
                "parseSpec" : {
                    "format" : "tsv",
                    "dimensionsSpec" : {
                        "dimensions" : [
                            "position",
                            "age",
                            "office"
                        ]
                    },
                    "timestampSpec" : {
                        "format" : "auto",
                         "column" : "start_date"
                    }
                }
            },
            "metricsSpec" : [
                {
                    "name" : "count",
                    "type" : "count"
                },
                {
                    "name" : "sum_sallary",
                    "type" : "longSum",
                    "fieldName" : "salary"
                }
            ]
        }
    }
}

赞(0）回复(0）举报 2021-05-29

我来回答

如何在druid中格式化tsv文件

1条答案

相关问题

热门标签

最新问答