Hive解析Json数组详细教程
这篇文章主要介绍“Hive解析Json数组详细教程”,在日常操作中,相信很多人在Hive解析Json数组详细教程问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”Hive解析Json数组详细教程”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!
创新互联凭借在网站建设、网站推广领域领先的技术能力和多年的行业经验,为客户提供超值的营销型网站建设服务,我们始终认为:好的营销型网站就是好的业务员。我们已成功为企业单位、个人等客户提供了网站建设、做网站服务,以良好的商业信誉,完善的服务及深厚的技术力量处于同行领先地位。
在Hive中会有很多数据是用Json格式来存储的,如开发人员对APP上的页面进行埋点时,会将多个字段存放在一个json数组中,因此数据平台调用数据时,要对埋点数据进行解析。接下来就聊聊Hive中是如何解析json数据的。
Hive自带的json解析函数
1. get_json_object
语法:get_json_object(json_string, '$.key')
说明:解析json的字符串json_string,返回path指定的内容。如果输入的json字符串无效,那么返回NULL。这个函数每次只能返回一个数据项。
示例:
select get_json_object('{"name":"zhangsan","age":18}','$.name');
结果:
name |
---|
zhangsan |
如果既要解析name字段,也解析age字段,则可以这样写:
select get_json_object('{"name":"zhangsan","age":18}','$.name'), get_json_object('{"name":"zhangsan","age":18}','$.age');
但是如果要解析的字段有很多,再这样写就太麻烦了,所以就有了 json_tuple 这个函数。
2. json_tuple
语法:json_tuple(json_string, k1, k2 ...)
说明:解析json的字符串json_string,可指定多个json数据中的key,返回对应的value。如果输入的json字符串无效,那么返回NULL。
示例:
select b.name ,b.age from tableName a lateral view json_tuple('{"name":"zhangsan","age":18}','name','age') b as name,age;
结果:
name | age |
---|---|
zhangsan | 18 |
注意:上面的json_tuple函数中没有$.
如果在使用json_tuple函数时加上$.就会解析失败:
select b.name ,b.age from tableName a lateral view json_tuple('{"name":"zhangsan","age":18}','$.name','$.age') b as name,age;
结果:
name | age |
---|---|
NULL | NULL |
字段全是NULL,所以json_tuple函数不需要加$.了,否则会解析不到。
总结:json_tuple相当于get_json_object的优势就是一次可以解析多个json字段。但是如果我们有个json数组,这两个函数都无法处理。
Hive解析json数组
一、嵌套子查询解析json数组
如果有一个hive表,表中 json_str 字段的内容如下:
json_str |
---|
[{"website":"baidu.com","name":"百度"},{"website":"google.com","name":"谷歌"}] |
我们想把这个字段解析出来,形成如下的结构:
website | name |
---|---|
baidu.com | 百度 |
google.com | 谷歌 |
要解析这个json数组,仅用上面介绍的两个函数就解析不出来了,还需用到如下介绍的几个函数:
explode函数
语法:explode(Array OR Map)
说明:explode()函数接收一个array或者map类型的数据作为输入,然后将array或map里面的元素按照每行的形式输出,即将hive一列中复杂的array或者map结构拆分成多行显示,也被称为列转行函数。
示例:
-- 解析array hive> select explode(array('A','B','C')); OK A B C -- 解析map hive> select explode(map('A',10,'B',20,'C',30)); OK A 10 B 20 C 30
regexp_replace函数
语法: regexp_replace(string A, string B, string C)
说明:将字符串A中的符合java正则表达式B的部分替换为C。注意,在有些情况下要使用转义字符,类似oracle中的regexp_replace函数。
示例:
hive> select regexp_replace('foobar', 'oo|ar', ''); OK fb
上述示例将字符串中的 oo 或 ar 替换为''。
有了上述几个函数,接下来我们来解析json_str字段的内容:
先将json数组中的元素解析出来,转化为每行显示:
hive> SELECT explode(split(regexp_replace(regexp_replace('[{"website":"baidu.com","name":"百度"},{"website":"google.com","name":"谷歌"}]', '\\]',''),'\\}\\,\\{','\\}\\;\\{'),'\\;')); OK {"website":"baidu.com","name":"百度"} {"website":"google.com","name":"谷歌"}
对上述sql进行简要说明:
SELECT explode(split( regexp_replace( regexp_replace( '[ {"website":"baidu.com","name":"百度"}, {"website":"google.com","name":"谷歌"} ]', '\\[|\\]' , ''), 将json数组两边的中括号去掉 '\\}\\,\\{' , '\\}\\;\\{'), 将json数组元素之间的逗号换成分号 '\\;') 以分号作为分隔符(split函数以分号作为分隔) );
为什么要将json数组元素之间的逗号换成分号?
因为元素内的分隔也是逗号,如果不将元素之间的逗号换掉的话,后面用split函数分隔时也会把元素内的数据给分隔,这不是我们想要的结果。
上步已经把一个json数组转化为多个json字符串了,接下来结合son_tuple函数来解析json里面的字段:
select json_tuple(explode(split( regexp_replace(regexp_replace('[{"website":"baidu.com","name":"百度"},{"website":"google.com","name":"谷歌"}]', '\\[|\\]',''),'\\}\\,\\{','\\}\\;\\{'),'\\;')) ) , 'website', 'name') ;
执行上述语句,结果报错了:
FAILED: SemanticException [Error 10081]: UDTF's are not supported outside the SELECT clause, nor nested in expressions
意思是UDTF函数不能写在别的函数内,也就是这里的explode函数不能写在json_tuple里面。
既然explode函数不能写在别的json_tuple里面,那我们可以用子查询方式,如下所示:
select json_tuple(json, 'website', 'name') from ( select explode(split(regexp_replace(regexp_replace('[{"website":"baidu.com","name":"百度"},{"website":"google.com","name":"谷歌"}]', '\\[|\\]',''),'\\}\\,\\{','\\}\\;\\{'),'\\;')) as json) t;
执行上述语句,没有报错,执行结果如下:
www.baidu.com 百度 google.com 谷歌
二 使用 lateral view 解析json数组
hive表中 goods_id 和 json_str 字段的内容如下:
goods_id | json_str |
---|---|
1,2,3 | [{"source":"7fresh","monthSales":4900,"userCount":1900,"score":"9.9"},{"source":"jd","monthSales":2090,"userCount":78981,"score":"9.8"},{"source":"jdmart","monthSales":6987,"userCount":1600,"score":"9.0"}] |
目的:把 goods_id 字段和 json_str 字段中的monthSales解析出来。
下面我们就开始解析:
拆分goods_id字段及将json数组转化成多个json字符串:
select explode(split(goods_id,',')) as good_id, explode(split(regexp_replace(regexp_replace(json_str , '\\[|\\]',''),'\\}\\,\\{','\\}\\;\\{'),'\\;')) as sale_info from tableName;
执行上述语句,结果报错:
FAILED: SemanticException 3:0 Only a single expression in the SELECT clause is supported with UDTF's. Error encountered near token 'sale_info'
意思是用UDTF的时候,SELECT 只支持一个字段。而上述语句select中有两个字段,所以报错了。
那怎么办呢,要解决这个问题,还得再介绍一个hive语法:
lateral view
lateral view用于和split、explode等UDTF一起使用的,能将一行数据拆分成多行数据,在此基础上可以对拆分的数据进行聚合,lateral view首先为原始表的每行调用UDTF,UDTF会把一行拆分成一行或者多行,lateral view在把结果组合,产生一个支持别名表的虚拟表。
示例:
假设我们有一张用户兴趣爱好表 hobbies_table,它有两列数据,第一列是name,第二列是用户兴趣爱好的id_list,是一个数组,存储兴趣爱好的id值:
name | id_list |
---|---|
zhangsan | [1,2,3] |
lisi | [3,4,5] |
我们要统计所有兴趣id在所有用户中出现的次数:
对兴趣id进行解析:
SELECT name, hobby_id FROM hobbies_table LATERAL VIEW explode(id_list) tmp_table AS hobby_id;
上述sql执行结果:
name | hobby_id |
---|---|
zhangsan | 1 |
zhangsan | 2 |
zhangsan | 3 |
lisi | 3 |
lisi | 4 |
lisi | 5 |
2. 按照hobby_id进行分组聚合即可:
SELECT hobby_id ,count(1) client_num FROM hobbies_table LATERAL VIEW explode(id_list) tmp_table AS hobby_id group by hobby_id;
结果:
hobby_id | client_num |
---|---|
1 | 1 |
2 | 1 |
3 | 2 |
4 | 1 |
5 | 1 |
介绍完 lateral view 之后,我们再来解决上面遇到的用UDTF的时候,SELECT 只支持一个字段的问题:
select good_id,get_json_object(sale_json,'$.monthSales') as monthSales from tableName LATERAL VIEW explode(split(goods_id,','))goods as good_id LATERAL VIEW explode(split(regexp_replace(regexp_replace(json_str , '\\[|\\]',''),'\\}\\,\\{','\\}\\;\\{'),'\\;')) sales as sale_json;
注意:上述语句是三个表笛卡尔积的结果,所以此方式适用于数据量不是很大的情况。
上述语句执行结果如下:
goods_id | monthSales |
---|---|
1 | 4900 |
1 | 2090 |
1 | 6987 |
2 | 4900 |
2 | 2090 |
2 | 6987 |
3 | 4900 |
3 | 2090 |
3 | 6987 |
如果表中还有其他字段,我们可以根据其他字段筛选出符合结果的数据。
总结:lateral view通常和UDTF一起出现,为了解决UDTF不允许在select存在多个字段的问题。
到此,关于“Hive解析Json数组详细教程”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注创新互联网站,小编会继续努力为大家带来更多实用的文章!
网页标题:Hive解析Json数组详细教程
网站URL:http://myzitong.com/article/iphjed.html