使用可选值生成avro架构

Question

我正在尝试编写一个非常简单的avro架构（很简单因为我只是指出我当前的问题）来编写基于json格式存储的数据的avro数据文件。诀窍是一个字段是可选的，其中一个avrotools或我做得不对。

我的目标不是编写自己的序列化程序，最终目标是将其置于水槽中，我处于早期阶段。

数据（工作），在名为so.log的文件中：

{
  "valid":  {"boolean":true}
, "source": {"bytes":"live"}
}

该架构位于名为so.avsc的文件中：

{
  "type":"record",
  "name":"Event",
  "fields":[
      {"name":"valid", "type": ["null", "boolean"],"default":null}
    , {"name":"source","type": ["null", "bytes"],"default":null}
  ]
}

我可以使用以下命令轻松生成avro文件：

java -jar avro-tools-1.7.6.jar fromjson --schema-file so.avsc so.log

到现在为止还挺好。问题是“源”是可选的，所以我希望以下数据也是有效的：

{
  "valid": {"boolean":true}
}

但是运行相同的命令会给我错误：

Exception in thread "main" org.apache.avro.AvroTypeException: Expected start-union. Got END_OBJECT
at org.apache.avro.io.JsonDecoder.error(JsonDecoder.java:697)
at org.apache.avro.io.JsonDecoder.readIndex(JsonDecoder.java:441)
at org.apache.avro.io.ResolvingDecoder.doAction(ResolvingDecoder.java:229)
at org.apache.avro.io.parsing.Parser.advance(Parser.java:88)
at org.apache.avro.io.ResolvingDecoder.readIndex(ResolvingDecoder.java:206)
at org.apache.avro.generic.GenericDatumReader.read(GenericDatumReader.java:155)
at org.apache.avro.generic.GenericDatumReader.readField(GenericDatumReader.java:193)
at org.apache.avro.generic.GenericDatumReader.readRecord(GenericDatumReader.java:183)
at org.apache.avro.generic.GenericDatumReader.read(GenericDatumReader.java:151)
at org.apache.avro.generic.GenericDatumReader.read(GenericDatumReader.java:142)
at org.apache.avro.tool.DataFileWriteTool.run(DataFileWriteTool.java:99)
at org.apache.avro.tool.Main.run(Main.java:84)
at org.apache.avro.tool.Main.main(Main.java:73)

我确实在架构中尝试了很多变化，甚至是那些不符合avro规范的东西。据我所知，我在这里展示的架构是规范应该是什么。

有人会知道我做错了什么，以及如何在不编写自己的序列化器的情况下实际拥有可选元素？

谢谢，

Answer 1

根据Java API的documentation：

使用构建器需要设置所有字段，即使它们为空

另一方面，python API似乎允许空字段真正可选：

由于字段favorite_color具有type [“string”，“null”]，因此我们不需要指定此字段

简而言之，由于大多数工具都是Java编写的，因此通常必须明确给出空字段。