使用 Beam SQL 查询 Avro 架构

Question

我正在尝试使用 Apache Beam 读取 avro 文件并使用 Beam SQL 转换数据。

我在 Beam 和 Java 中还是新手。这是我的简单代码：

public class BeamSQLReadAvro {
    @SuppressWarnings("serial")
    public static void main(String[] args) throws IOException {
        PipelineOptions options = PipelineOptionsFactory.fromArgs(args).withValidation().create();
        Pipeline p = Pipeline.create(options);

        /* Schema definition */
        Schema schema = new Schema.Parser().parse(new File("data/RATE_CODE/RATE_CODE.avsc"));

        /* Create record/row */
        PCollection<GenericRecord> records = p.apply(AvroIO.readGenericRecords(schema).from("data/RATE_CODE/*.avro"));

        /* SQL Transform */
        records.apply("SQL Transform 01",SqlTransform.query("SELECT RCODE,RNAME,RDESC FROM PCOLLECTION LIMIT 10"))

        /* Print output */
               .apply("Output",
                      MapElements.via(
                        new SimpleFunction<Row, Row>() {
                          @Override
                          public Row apply(Row input) {
                            System.out.println("PCOLLECTION: " + input.getValues());
                            return input;
                          }
                        }
                      )
               );
        p.run().waitUntilFinish();
    }
}

它给我错误

Exception in thread "main" java.lang.IllegalStateException: Cannot call getSchema when there is no schema

我不明白，我定义了一个名为 schema 的变量。这里有什么指示吗？

Answer 1

实际上，您的管道中有两种模式 - Avro 模式和 Beam 模式。 Avro 模式用于解析您的 Avro 输入记录，但对于 SQL 转换，您应该使用具有 Beam 模式的行。为此，AvroIO 提供了一个选项 withBeamSchemas(boolean)，在您的情况下应将其设置为 true，例如：

AvroIO.readGenericRecords(schema).withBeamSchemas(true).from("data/RATE_CODE/*.avro")

使用 Beam SQL 查询 Avro 架构

Query Avro Schema using Beam SQL

java

apache-beam

beam-sql