我有U-SQL脚本,我需要处理一些数据 . 数据存储在blob中,在此文件夹结构中每天约有100个文件: /{year}/{month}/{day}/{hour}/filenames.tsv
获取一天的数据很容易,最后只需添加一个通配符,它将选出当天所有小时的所有文件 .
但是,在我的脚本中,我想要读出当天和前一天的最后2个小时 . 天真的方式是以这种方式使用3个提取语句:
DECLARE @input1 = @"/data/2017/10/08/22/{*}.tsv";
DECLARE @input2 = @"/data/2017/10/08/23/{*}.tsv";
DECLARE @input3 = @"/data/2017/10/09/{*}.tsv";
@x1 = EXTRACT .... FROM @input1 USING Extractors.Tsv();
@x2 = EXTRACT .... FROM @input2 USING Extractors.Tsv();
@x3 = EXTRACT .... FROM @input3 USING Extractors.Tsv();
但在我的情况下,每个提取行使用AvroExtractor都非常冗长和复杂(~50列),所以我真的更喜欢只指定列和提取器一次而不是3次 . 此外,通过从呼叫方那里得到3个输入来决定应该读取前几天的小时数 .
我的问题是如何以方便的方式定义它,理想情况下只使用一个提取语句?
1 回答
您可以将逻辑包装到U-SQL存储过程中,以便对其进行封装 . 然后你只需要调用几个proc . 一个简单的例子:
然后调用它(未经测试):
那可能是一种方法呢?