读取 Avro 文件时不是数据文件错误

Question

我有一个包含 Avro 格式数据的文件。我想将这些数据读入 GenericRecord 类型的数据结构或任何其他类型的数据结构，这样我就可以将它从 Kafka 发送到 Spark。

我尝试使用 DataFileReader，但结果是这个错误：

Exception in thread "main" java.io.IOException: Not a data file.
    at org.apache.avro.file.DataFileStream.initialize(DataFileStream.java:105)

这是生成它的代码：

val schema = Source.fromFile(schemaPath).mkString
val parser = new Schema.Parser
val avroSchema = parser.parse(schema)
val avroDataFile = new File(dataPath)

val avroReader = new GenericDatumReader[GenericRecord](avroSchema)
val dataFileReader = new DataFileReader[GenericRecord](avroDataFile, avroReader) 
//THIS LINE PRODUCED ERROR

我该如何解决这个错误？

这是我的 Avro 数据模式的样子：

{
  "type" : "record",
  "namespace" : "input_data",
  "name" : "testUser",
  "fields" : [
    {"name" : "name", "type" : "string", "default": "NONE"},
    {"name" : "age", "type" : "int", "default": -1},
    {"name" : "phone", "type" : "string", "default" : "NONE"},
    {"name" : "city", "type" : "string", "default" : "NONE"},
    {"name" : "country", "type" : "string", "default" : "NONE"}
  ]
}

这是我试图读取的数据（由 this tool 生成）：

{
  "name" : "O= ~usP3\u0001\bY\u0011k\u0001",
  "age" : 585392215,
  "phone" : "\u0012\u001F#\u001FH]e\u0015UW\u0000\fo",
  "city" : "aWi\u001B'\u000Bh\u00163\u001A_I\u0001\u0001L",
  "country" : "]H\u001Dl(n!Sr}oVCH"
}
{
  "name" : "\u0011Y~\fV\u001Dv%4\u0006;\u0012",
  "age" : -2045540864,
  "phone" : "UyOdgny-hA",
  "city" : "\u0015f?\u0000\u0015oN{\u0019\u0010\u001D%",
  "country" : "eY>c\u0010j\u0002[\u001CdDQ"
}
...

Answer 1

好吧，那个数据不是 Avro，而是 JSON。

如果它是二进制 Avro 数据，您将无法在不先使用 avro-tools.jar tojson 操作的情况下读取文件。

如果您查看使用文档，JSON 是默认值

-j, --json: Encode outputted data in JSON format (default)

要真正获得 Avro，请使用 arg -s schema.avsc -b -o out.avro

还有其他方法generate test data in Kafka

读取 Avro 文件时不是数据文件错误

Not a data file error while reading Avro file

scala

avro

avro-tools