如何在 Jython Evaluator 中获取 StreamSets 记录字段类型

Question

我有一个 StreamSets 管道，我使用 JDBC 组件作为源从远程 SQL 服务器数据库读取数据，并将数据放入 Hive 和 Kudu 数据湖。

我在使用 Binary Columns 类型时遇到了一些问题，因为 Impala 中不支持 Binary 类型，我用它来访问 Hive 和 Kudu。

我决定将二进制类型的列（在管道中作为 Byte_Array 类型流动）转换为字符串并像那样插入。

我尝试使用字段类型转换器元素将所有 Byte_Array 类型转换为字符串，但没有成功。所以我使用了一个 Jython 组件将所有 arr.arr 类型转换为 String。它工作正常，直到我在该字段上获得 Null 值，因此 Jython 类型为 None.type 并且我无法检测到 Byte_Array 类型并且无法将其转换为 String。所以我无法将它插入到 Kudu 中。

任何有关如何在 Jython Evaluator 中获取 StreamSets 记录字段类型的帮助？或者有任何解决我面临的问题的建议吗？

Answer 1

您需要使用sdcFunctions.getFieldNull()来测试该字段是否为NULL_BYTE_ARRAY。例如：

import array

def convert(item):
  return ':-)'

def is_byte_array(record, k, v):
  # getFieldNull expect a field path, so we need to prepend the '/'
  return (sdcFunctions.getFieldNull(record, '/'+k) == NULL_BYTE_ARRAY 
          or (type(v) == array.array and v.typecode == 'b'))

for record in records:
  try:
    record.value = {k: convert(v) if is_byte_array(record, k, v) else v 
                    for k, v in record.value.items()}
    output.write(record)

  except Exception as e:
    error.write(record, str(e))

Answer 2

所以这是我的最终解决方案：

您可以使用以下逻辑通过使用 NULL_CONSTANTS:

来检测 Jython 组件内的任何 StreamSet 类型

NULL_BOOLEAN, NULL_CHAR, NULL_BYTE, NULL_SHORT, NULL_INTEGER, NULL_LONG, 
NULL_FLOAT, NULL_DOUBLE, NULL_DATE, NULL_DATETIME, NULL_TIME, NULL_DECIMAL, 
NULL_BYTE_ARRAY, NULL_STRING, NULL_LIST, NULL_MAP

思路是将字段的值保存在一个临时变量中，设置字段的值为None并使用函数sdcFunctions.getFieldNull 通过将其与 NULL_CONSTANTS.

之一进行比较来了解 StreamSets 类型

import binascii

def toByteArrayToHexString(value):
  if value is None:
    return NULL_STRING
  value = '0x'+binascii.hexlify(value).upper()
  return value

for record in records:
  try:

    for colName,value in record.value.items():
      temp = record.value[colName]
      record.value[colName] = None
      if sdcFunctions.getFieldNull(record,'/'+colName) is NULL_BYTE_ARRAY:
        temp = toByteArrayToHexString(temp)
      record.value[colName] = temp

    output.write(record)
  except Exception as e
    error.write(record, str(e))

限制： 上面的代码只有当它有值时（当它不为NULL时）才会将Date类型转换为Datetime类型

如何在 Jython Evaluator 中获取 StreamSets 记录字段类型

How to get StreamSets Record Fields Type inside Jython Evaluator

hive

bigdata

jython

kudu

streamsets