Hive:解析JSON

Question

我试图从数百万行(5 TB +表)的嵌套JSON中获取一些值.最有效的方法是什么？

这是一个例子:

{"country":"US","page":227,"data":{"ad":{"impressions":{"s":10,"o":10}}}}

我需要以上JSON中的这些值:

Country        Page      impressions_s       impressions_o
---------      -----     -------------       --------------
US              2        10                  10

这是Hive的json_tuple函数,我不确定这是否是最好的函数. https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF#LanguageManualUDF-getjsonobject

Answer 1

你可以使用get_json_object:

 select get_json_object(fieldname, '$.country'), 
        get_json_object(fieldname, '$.data.ad.s') from ... 

使用json_tuple可以获得更好的性能,但我找到了一个"如何"来获取json中json的值; 要格式化表格,您可以使用以下内容:

from table t lateral view explode( split(regexp_replace(get_json_object(ln, ''$.data.ad.s'), '\\[|\\]', ''), ',' ) ) tb1 as s 上面的代码将转换为列中的"数组".

形式更多:https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF

我希望这有帮助......

Answer 2

这是你可以快速尝试的,我建议使用Json-Ser-De.

nano /tmp/hive-parsing-json.json

{"country":"US","page":227,"data":{"ad":{"impressions":{"s":10,"o":10}}}}

创建基表:

hive > CREATE TABLE hive_parsing_json_table ( json string );

将json文件加载到Table:

hive > LOAD DATA LOCAL INPATH  '/tmp/hive-parsing-json.json' INTO TABLE hive_parsing_json_table;

查询表格:

hive >  select v1.Country, v1.Page, v4.impressions_s, v4.impressions_o 
from hive_parsing_json_table hpjp
     LATERAL VIEW json_tuple(hpjp.json, 'country', 'page', 'data') v1
     as Country, Page, data
     LATERAL VIEW json_tuple(v1.data, 'ad') v2
     as Ad
     LATERAL VIEW json_tuple(v2.Ad, 'impressions') v3
     as Impressions
     LATERAL VIEW json_tuple(v3.Impressions, 's' , 'o') v4
     as impressions_s,impressions_o;  

输出:

v1.country  v1.page     v4.impressions_s    v4.impressions_o
US      227     10          10

Answer 3

使用蜂巢本机 json-serde('org.apache.hive.hcatalog.data.JsonSerDe')你可以做到这一点..以下是步骤

添加 JAR /path/to/hive-hcatalog-core.jar；

create a table as below 
 CREATE TABLE json_serde_nestedjson (
  country string,
  page int,
  data struct < ad: struct < impressions: struct < s:int, o:int  > > >
)
ROW FORMAT SERDE 'org.apache.hive.hcatalog.data.JsonSerDe';

然后加载数据（存储在文件中）

LOAD DATA LOCAL INPATH '/tmp/nested.json' INTO TABLE json_serde_nestedjson;

然后使用获取所需数据

SELECT country, page, data.ad.impressions.s, data.ad.impressions.o 
FROM json_serde_nestedjson;  

Answer 4

对于您的情况，实现 SerDe 来解析 JSON 数据是更好的方法。

有关如何实现 SerDe 来解析 JSON 的教程可以在这里找到

http://blog.cloudera.com/blog/2012/12/how-to-use-a-serde-in-apache-hive/

您也可以使用以下示例 SerDe 实现

https://github.com/rcongiu/Hive-JSON-Serde