Hive数据仓库(11)之解析Json格式文件
2017-05-27 10:36
441 查看
转载自Lamborryan,作者:Ruan Chengfeng 本文链接地址:http://www.lamborryan.com/hive-json
1.简介
公司的日志都是以json格式保存的且存放在HDFS上的,有时候需要直接通过查询Hive就能得到日志里面的具体信息。要实现以上的目的,HIVE提供了三种方法,分别是:UDF get_json_object(string json_string,string path)UDTF json_tuple(string jsonstr,p1,p2,…,pn)HIVE SERDE的扩展, Json SERDE2.UDF实现
假设我们的Json格式数据如下:{"date": "2015-05-16 00:00:00","data": {"channel": "wandoujia","machine": "MI 3","resolution": "1080x1920","display": "4.589389937671455","ip": "192.168.1.1","lat": null,"lng": null,"device_key": "863637027016968","os_name": "android","os_version": "4.4.4","app_name": "FM","app_version": "2.7.0","carradio_version": "","carradio_mac": "","property": "20150515_235835_PlayFragment_wandoujia_2.7.0","date": "2015-05-15 23:58:35","page": "PlayFragment","user_key": "b2925849c6e838ab16d0a8d2c0a46f09","event": "exit"}}如果用UDF的方法实现那么分为两步:以以下的命令建表CREATE TABLE IF NOT EXISTS jsontest (json STRING);用get_json_object解析json的字段:
SELECT get_json_object(mc.json,'$.date') as date ,get_json_object(mc.json,'$.data.event') as event,get_json_object(mc.json,'$.data.property') as eventfrom jsontest mc由此可见,如果要获取多个json字段的时候就会比较麻烦,且影响运行速度。
3.UDTF实现
相比于UDF,表生成函数UDTF作用更进一步,它更高效,其通过一次调用就可以获得多个键值。如果用UDTF的方法实现那么分为两步:同UDF一样,以以下的命令建表CREATE TABLE IF NOT EXISTS jsontest (json STRING);用json_tuple解析json的字段select v2.event, v2.profrom jsontest mcLATERAL VIEW json_tuple(mc.json,'date','data') vas event,proLATERAL VIEW json_tuple(v.pro,'event','property') v2as event,pro由此可见,如果json是多层形式的,那么通过LATERAL VIEW调用依然很麻烦。
4.JSON SERDE
比起前两种,JSON SERDE无疑高效多了,只需要在CREATE的时候设置好SERDE,那么在SELECT时候就会进行解析JSON。4.1.建表
CREATE EXTERNAL TABLE IF NOT EXISTS jsontest (date STRING,data STRUCT <channel:STRING,machine:STRING,resolution:STRING,display:STRING,ip:STRING,lat:STRING,lng:STRING,device_key:STRING,os_name:STRING,os_version:STRING,app_name:STRING,app_version:STRING,carradio_version:STRING,carradio_mac:STRING,property:STRING,date:STRING,page:STRING,user_key:STRING,event:STRING>)ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe'with SERDEPROPERTIES("ignore.malformed.json"="true")STORED AS TEXTFILE;
4.2.1查询
SELECT date.event, date.property, date FROM jsontest没错,就是这是这么简单。其实在建表的时候我已经用ROW FORMAT SERDE ‘org.openx.data.jsonserde.JsonSerDe’来告诉HIVE用JsonSerDe来解析JSON。那么什么是SERDE呢,SERDE就是序列化/反序列化的简称.在上述建表时候,我讲json的data字段映射成STRUCT类型,访问data的内的keys,只需要data.[keys],比如data.event.除了上述建表方式,还可以使用以下的映射关系
CREATE TABLE IF NOT EXISTS jsontest(date STRING,channel STRING,machine STRING,resolution STRING,display STRING,ip STRING,lat STRING,lng STRING,device_key STRING,os_name STRING,os_version STRING,app_name STRING,app_version STRING,carradio_version STRING,carradio_mac STRING,property STRING,crate_date STRING,page STRING,user_key STRING,event STRING)ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe'WITH SERDEPROPERTIES ("date"="$.date","channel"="$.data.channel","machine"="$.data.machine","resolution"="$.data.resolution","display"="$.data.display","ip"="$.data.ip","lat"="$.data.lat","lng"="$.data.lng","device_key"="$.data.device_key","os_name"="$.data.os_name","os_version"="$.data.os_version","app_version"="$.data.app_version","carradio_version"="$.data.carradio_version","carradio_mac"="$.data.carradio_mac","property"="$.data.property","crate_date"="$.data.date","page"="$.data.page","user_key"="$.data.user_key","event"="$.data.event","ignore.malformed.json"="true")STORED AS TEXTFILE;1.ignore.malformed.json表示是否忽略json解析失败的错误,该值为false的话,如果在进行Hive查询时候,json格式出错,Map Task就会失败,最终导致HIVE查询失败,如果该值为True,那么遇到解析失败就会跳过该条记录。2.org.openx.data.jsonserde.JsonSerDe 是继承SERDE接口写的,具体代码和包请看我的githubJsonSerde。我根据HIVE 1.1.0 和 HADOOP 2.6.0进行重新的编译。你也可以根据你的版本编译.
<dependency><groupId>org.apache.hive</groupId><artifactId>hive-serde</artifactId><version>1.1.0</version></dependency><dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-common</artifactId><version>2.6.0</version></dependency>3.编译好json-serde.jar包后,需要将jar上传到HIVE中,可以使用以下两种方法:
(1) 使用add jar, 但是该方法只能在当前shell环境有效。
```shellhive> add jar json-serde-1.3.1.jar;Added [json-serde-1.3.1.jar] to class pathAdded resources: [json-serde-1.3.1.jar]```(2) 将jar包添加到HIVE环境变量里. a.在${HIVE_HOME}下建立auxlib目录,将jar包扔到该目录下 b.在${HIVE_HOME}/bin/hive-conf.sh修改HIVE_AUX_JARS_PATH变量值为```export HIVE_AUX_JARS_PATH=$HIVE_HOME/auxlib``` c.重启HIVE即可如果出现以下错误,意味着Json-serde与 Hive或者Hadoop版本不匹配FAILED : Execution Error , return code 1 from org . apache . hadoop . hive . ql . exec . DDLTask . org . apache . hadoop . hive . serde2 . objectinspector . primitive . AbstractPrimitiveJavaObjectInspector . ( Lorg/ apache / hadoop / hive / serde2 / objectinspector / primitive / PrimitiveObjectInspectorUtils $ PrimitiveTypeEntry ; )
5.总结
由此可见UDF和UDTF适合某个字段(String类型)储存的数据是json格式的字符串这种场景, 而Json Serde 适合整条记录是以json格式存储的。相关文章推荐
- 利用 js-xlsx 实现 Excel 文件导入并解析Excel数据成json格式的数据并且获取其中某列数据
- Android开发 解析JSON数据格式 如何去掉JSON数据文件的BOM头
- 在bean类和Json格式不一样情况下,用Gson解析Json文件,并同时把数据插入MongoDb
- 01分布式数据仓库 HIVE -- 数据类型-文件格式
- 文件数据的格式问题hive解析出现错误
- ExtJS fileupload组件上传文件后从服务端解析JSON格式数据
- java读取文件内容,解析Json格式数据
- 利用 js-xlsx 实现 Excel 文件导入并解析Excel数据成json格式的数据
- struts2 + ajax(由前台的form提交数据到后台,再根据form所调用返回获取的后台json格式的数据返回到前端,然后前端用jquery对json数据进行解析)==》》涉及文件上传的部分
- Hive 使用解析Json 文件格式
- R语言解析JSON格式数据文件
- Android学习系列(20)--App数据格式之解析Json
- 简简单单——无限级数据JSON格式及JS解析
- 转:Windows注册表HIVE文件格式解析
- android 解析json数据格式
- android 解析json数据格式
- php 无限级数据JSON格式及JS解析
- 关于Java解析json格式数据
- Android Json 数据解析 II 之 ------xml ,json 两种数据格式之对比
- Jquery解析Json格式数据