20

我正在尝试从数百万行（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}}}}

我需要上述 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

4

4 回答 4

20

您可以使用 get_json_object：

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

使用 json_tuple 您将获得更好的性能，但我找到了一个“如何”在 json 中获取 json 中的值；要格式化您的表格，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 上面的这段代码会将您转换为列中的“数组”。

形成更多：https ://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF

我希望这有助于...

于 2015-03-18T16:58:35.250 回答
8

这是您可以快速尝试的方法，我建议使用Json-Ser-De。

纳米/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 文件加载到表中：

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

查询表：

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
于 2015-07-27T06:18:37.477 回答
3

使用 hive native json-serde('org.apache.hive.hcatalog.data.JsonSerDe')你可以做到这一点.. 这里是步骤

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;
于 2017-08-31T07:12:26.177 回答
1

实施 SerDe 以解析 JSON 格式的数据是一种更好的方式。

可以在此处找到有关如何实现 SerDe 以解析 JSON 的教程

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

于 2013-02-24T18:48:13.167 回答