python

Question

我正在尝试使用 python avro 库 (python 2) 读取一个 Avro 文件。当我使用以下代码时：

import avro.schema
from avro.datafile import DataFileReader, DataFileWriter
from avro.io import DatumReader, DatumWriter, BinaryDecoder
reader = DataFileReader(open("filename.avro", "rb"), DatumReader())
schema = reader.meta

然后它会正确读取每一列，除了保留为字节的一列，而不是预期的十进制值。

如何将此列转换为预期的十进制值？我注意到文件的元数据将该列标识为 'type' : 'bytes'，但 'logicalType' :'decimal'

我 post 在该列的元数据下方，以及字节值（预期实际值都是 1,000 的倍数小于 25,000。该文件是使用 Kafka 创建的。

元数据：

 {
                            "name": "amount",
                            "type": {
                                "type": "bytes",
                                "scale": 8,
                                "precision": 20,
                                "connect.version": 1,
                                "connect.parameters": {
                                    "scale": "8",
                                    "connect.decimal.precision": "20"
                                },
                                "connect.name": "org.apache.kafka.connect.data.Decimal",
                                "logicalType": "decimal"
                            }
                        }

字节值：

'E\xd9d\xb8\x00'
'\x00\xe8\xd4\xa5\x10\x00'
'\x01\x17e\x92\xe0\x00'
'\x01\x17e\x92\xe0\x00'

期望值：

3,000.00
10,000.00
12,000.00
5,000.00

我需要在部署在 AWS 上的 Lambda 函数中使用它，所以不能使用 fast_avro，或者其他使用 C 而不是纯 Python 的库。

查看以下链接： https://pypi.org/project/fastavro/ https://docs.aws.amazon.com/glue/latest/dg/aws-glue-programming-python-libraries.html

Answer 1

出于某种原因，fastavro 包在同一个文件上作为默认包运行。我最终使用了下面的代码。仍然不确定是否有办法直接使用 avro 库解决此问题，或者反序列化上述问题中发布的输出。

import fastavro
with open("filename.avro", 'rb') as fo: 
    for record in fastavro.reader(fo): 
        print(record)

Answer 2

为此，您需要使用 fastavro 库。 avro 和 avro-python3 库在发布时都不支持逻辑类型。

Answer 3

您可以使用它来将字节串解码为十进制。这会将值填充到下一个最高字节结构，以便所有可能的值都适合。

import struct
from decimal import Decimal

def decode_decimal(value, num_places):
    value_size = len(value)
    for fmt in ('>b', '>h', '>l', '>q'):
        fmt_size = struct.calcsize(fmt)
        if fmt_size >= value_size:
            padding = b'\x00' * (fmt_size - value_size)
            int_value = struct.unpack(fmt, padding + value)[0]
            scale = Decimal('1') / (10 ** num_places)
            return Decimal(int_value) * scale
    raise ValueError('Could not unpack value')

例如：

>>> decode_decimal(b'\x00\xe8\xd4\xa5\x10\x00', 8)
Decimal('10000.00000000')
>>> decode_decimal(b'\x01\x17e\x92\xe0\x00', 8)
Decimal('12000.00000000')
>>> decode_decimal(b'\xb2\xb4\xe7\x84', 4)  # Negative value
Decimal('-129676.7100')

参考文献：

https://avro.apache.org/docs/1.10.2/spec.html#Decimal https://docs.python.org/3/library/struct.html#format-characters

python - 将 avro 字节逻辑类型十进制反序列化为十进制

python - deserialise avro byte logical type decimal to decimal

binary

avro

deserialization

apache-kafka-connect