Question

我在NIFI中有以下流程，JSON中有（1000+）个对象。

invokeHTTP->SPLIT JSON->putMongo

流运行正常，直到在json中收到带有“。”的键为止。在名字里。例如“ spark.databricks.acl.dfAclsEnabled”。

我当前的解决方案不是最佳解决方案，我记下了错误的键，并使用多个替换文本处理器替换了“”。与“ _”。我不使用REGEX，而是使用字符串文字查找/替换。因此，每当putMongo处理器出现故障时，我都会插入新的replaceText处理器。

这是无法维护的。我想知道是否可以使用JOLT？有关输入JSON的一些信息。

1）没有固定的结构，只有被确认的东西。一切都会在事件数组中。但是事件对象本身是自由形式。

2）最大列表大小= 1000。

3）第三方JSON，所以我不能要求更改格式。

此外，带有“。”的键可以出现在任何地方。因此，我正在寻找可以在所有级别清除然后重命名的JOLT规范。

{
  "events": [
    {
            "cluster_id": "0717-035521-puny598",
            "timestamp": 1531896847915,
            "type": "EDITED",
            "details": {
                "previous_attributes": {
                    "cluster_name": "Kylo",
                    "spark_version": "4.1.x-scala2.11",
                    "spark_conf": {
                        "spark.databricks.acl.dfAclsEnabled": "true",
                        "spark.databricks.repl.allowedLanguages": "python,sql"
                    },
                    "node_type_id": "Standard_DS3_v2",
                    "driver_node_type_id": "Standard_DS3_v2",
                    "autotermination_minutes": 10,
                    "enable_elastic_disk": true,
                    "cluster_source": "UI"
                },
                "attributes": {
                    "cluster_name": "Kylo",
                    "spark_version": "4.1.x-scala2.11",
                    "node_type_id": "Standard_DS3_v2",
                    "driver_node_type_id": "Standard_DS3_v2",
                    "autotermination_minutes": 10,
                    "enable_elastic_disk": true,
                    "cluster_source": "UI"
                },
                "previous_cluster_size": {
                    "autoscale": {
                        "min_workers": 1,
                        "max_workers": 8
                    }
                },
                "cluster_size": {
                    "autoscale": {
                        "min_workers": 1,
                        "max_workers": 8
                    }
                },
                "user": ""
            }
        },
    {
      "cluster_id": "0717-035521-puny598",
      "timestamp": 1535540053785,
      "type": "TERMINATING",
      "details": {
        "reason": {
          "code": "INACTIVITY",
          "parameters": {
            "inactivity_duration_min": "15"
          }
        }
      }
    },
    {
      "cluster_id": "0717-035521-puny598",
      "timestamp": 1535537117300,
      "type": "EXPANDED_DISK",
      "details": {
        "previous_disk_size": 29454626816,
        "disk_size": 136828809216,
        "free_space": 17151311872,
        "instance_id": "6cea5c332af94d7f85aff23e5d8cea37"
      }
    }
  ]
}

Answer 1

我使用ReplaceText和RouteOnContent创建了a template来执行此任务。循环是必需的，因为每次通过时，正则表达式仅替换JSON密钥中的第一个.。您也许可以优化此方法以在一次通过中执行所有替换，但是在将正则表达式与前瞻性组和后视组模糊化几分钟之后，重新路由会更快。我验证了此方法是否可与您提供的JSON一起使用，以及与JSON和不同行上的键和值（在任一行上都是{:）一起使用的

...
"spark_conf": {
                        "spark.databricks.acl.dfAclsEnabled":
 "true",
                        "spark.databricks.repl.allowedLanguages"
: "python,sql"
                    },
...

您还可以将ExecuteScript处理器与Groovy一起使用以提取JSON，快速过滤包含.的所有JSON密钥，执行collect操作以进行替换，然后重新执行如果希望单个处理器一次完成此操作，则将密钥插入JSON数据中。

从JSON重命名无效的密钥

1 个答案: