如何从Hadoop MR中的非结构化数据生成JSON对象？

Question

我的数据集为
父母，子女
------------
A，B
A，C
B，d
B，E
C，F
C，G
G，H
G，I
P，Q
P，R
Q，S
Q，T
那个我想转换成JSON对象。我想做但不知道正确的做法。所以我只是创建一个可能有助于解决它的数据集的树结构。你能否告诉我如何做到这一点？

我面临问题，如何识别父节点。如果图像中有两棵树。请建议我怎么做。

这个的输出应该是

{
    a:{
            b: {d,e},
            c: { g: {h,i}, f }
        },
    p:{     q:{s,t}, r }
}

Answer 1

首先，我开始寻找所有根源。这可以通过使用一些现有模块从输入对构建树结构来完成（我不知道哪一个......），但这可以更简单地完成。如果你创建了两个集合：一个包含所有父项，另一个包含所有子项，然后从子项中减去父项 - 您将获得根。

然后，从root开始，你可以构建字典，然后将其转换为JSON（对不起，我不擅长java，所以用伪代码写这个。）

for r in roots:
    ## init dictionary key with value = dictionary or Null  
    dict[r] = build_tree(r, pairs)

所以，显然， build_tree（）应该是字典的递归更新，在每个阶段你创建一个新的字典，其中的键是输入父元素的子元素，值等于 build_tree（如果找不到更多的孩子，则或为空。 当然，在最后一个阶段，应该有将字典保存为JSON的方法。

注意：上面假设你没有圆圈，但如果你有 - 你需要更复杂的算法，并对你如何停止递归和做某些＆＃34;参考圆的开头。