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。

我想要做的是提取一个特定的字段：从每个 json 中提取时间戳，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. 我得到错误：

   E_STORE_USER_FILENOTFOUND：文件未找到或访问被拒绝

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

1. 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）或只是一堆文件夹（如 Folder*），它应该通过它们并将每个文件的输出放在输出的单行中csv。

没有找到这方面的教程。

1. 现在，我正在读取整个 json，如何只读取一个字段，例如时间戳，它是特定字段中的一个字段，例如 data : {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遇到该错误 - 您是专门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"，然后您的提取语句变为：

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

3) 您必须在 SELECT 语句中读取整个 JSON，但您可以将其细化为仅在未来行集中需要的行。例如：

    @refine=
        SELECT timestamp FROM @json;

     OUTPUT @refine
     ...

听起来您的某些 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 上找到有关如何读取嵌套 JSON 数据的信息。
希望这会有所帮助，如果您还有其他问题，请告诉我！