json 格式是:
{
"AAPP":["0","0","0","0","0"],
"AAPP_TD":["0","0","0","0","0"],
"ABC1_ECM":["1","1","1","1","1"],
...,
"ROWKEY":"30072019B20020051"}
1
habin OP 提取其中需要的键值对进 pandas,比如"ABC1_ECM":["1","1","1","1","1"] 中的 ABC1_ECM 作为表头,列表作为数据
|
2
faketemp 2019-08-07 15:31:31 +08:00
如果要一次性装载 1G 大小的 json 在内存中分析 感觉会很卡很慢
试过用 python 加载 200M 左右的文本文件约 1000 万行数据,用传说中的大数据清洗工具 flashtext 替换一个字词超过半个钟(不知道是不是姿势不太对),只能放弃 不知道大文本 /大数据清洗到底该用什么趁手工具或者库? |
3
JCZ2MkKb5S8ZX9pq 2019-08-07 15:42:27 +08:00 1
这么大的话,我会选择先搞进 mongodb,顺便把常用的索引也做了。
|
4
Orenoid 2019-08-07 15:46:57 +08:00
这个大小就不应该用 json 存吧。。格式固定的话,自己逐行读取解析吧
|
5
mystorp 2019-08-07 15:56:15 +08:00 via Android
使用 json stream parser 如果是 node,可以看看这个库:JSONStream。其它语言的自己搜索下
|
6
IanPeverell 2019-08-07 17:13:39 +08:00
先存到 mongo 或者 redis 里然后再读吧
|
7
CCColby 2019-08-07 17:41:05 +08:00
按照行读,设置 chunk size ?然后 for 处理咯
|
8
SbloodyS 2019-08-07 17:53:48 +08:00
1G 不大,开多几个进程切片就好了,想快就开 spark
|
9
shuson 2019-08-07 18:13:36 +08:00
用 hive,create external table
然后用 spark sql 读 |
10
flyingghost 2019-08-07 18:44:19 +08:00
这么规整的文件,是否可以考虑尝试当做 csv 来读? read_csv 的 sep 参数支持正则的。
|
11
liprais 2019-08-07 18:47:24 +08:00 via iPhone
pyspark 读完写入数据库
轻轻松松 |
12
JunoNin 2019-08-07 18:54:18 +08:00 via Android
这么大,来看看别人怎么说
|
13
gam2046 2019-08-07 19:37:10 +08:00
分情况,内存状况是否允许一次性载入内存
- 允许:一把梭,小文件怎么搞,这个一样搞,无非费点内存 - 不允许:使用 Stream API 读取,避免一次性载入内存 |
14
smallgoogle 2019-08-07 19:38:50 +08:00
真心太大了。还先想想把它导入数据库把。
|
15
gamexg 2019-08-07 21:20:42 +08:00 1
流式解析,流式写入即可
python 不熟悉,关键字 python stream json 搜索到的库: https://github.com/danielyule/naya http://explique.me/Ijson/ |
16
arrow8899 2019-08-07 22:32:01 +08:00 1
同楼上,可以通过 stream 来解析;
不过我好奇这文件怎么来的,而且用 Json 来传输这么大的数据损耗太严重了,用其他二进制格式的话,数据大小可以减小好几倍;再分析下数据的规律,其实还有很大的压缩空间。 |
17
momocraft 2019-08-07 22:38:38 +08:00
这个 json 的 py 内存表示 可能比 json 字符串本身大不少
|
18
necomancer 2019-08-10 14:40:26 +08:00
pandas 不是有 read_json 函数么……没用过,但是印象里 pandas 的解析器大多是 C 版的,效率应该不差。
|
19
feelyou 2019-08-30 13:11:30 +08:00
我这里有个 96g 的 json。。。
|