6

我在蜂巢中有一个外部表

CREATE EXTERNAL TABLE FOO (  
  TS string,  
  customerId string,  
  products array< struct <productCategory:string, productId:string> >  
)  
PARTITIONED BY (ds string)  
ROW FORMAT SERDE 'some.serde'  
WITH SERDEPROPERTIES ('error.ignore'='true')  
LOCATION 'some_locations'  
;

表的记录可能包含以下数据:

1340321132000, 'some_company', [{"productCategory":"footwear","productId":"nik3756"},{"productCategory":"eyewear","productId":"oak2449"}]

有谁知道是否有一种方法可以简单地从该记录中提取所有 productCategory 并将其作为 productCategories 数组返回而不使用explode。类似于以下内容:

["footwear", "eyewear"] 

或者我是否需要编写自己的GenericUDF,如果是这样,我不太了解Java(一个Ruby人),有人可以给我一些提示吗?我从 Apache Hive 阅读了一些关于 UDF 的说明。但是,我不知道哪种集合类型最适合处理数组,以及哪种集合类型最适合处理结构?

===

我通过写一个 GenericUDF 回答了这个问题,但我遇到了另外两个问题。这是在这个SO Question

4

3 回答 3

1

您可以使用 json serde 或内置函数 get_json_object、json_tuple。

使用rcongiu 的 Hive-JSON SerDe,用法将是:

定义表:

CREATE TABLE complex_json (
DocId string,
Orders array<struct<ItemId:int, OrderDate:string>>)

将示例 json 加载到其中(此数据必须是单行的,这一点很重要):

{"DocId":"ABC","Orders":[{"ItemId":1111,"OrderDate":"11/11/2012"},{"ItemId":2222,"OrderDate":"12/12/2012"}]}

然后获取订单 ID 很简单:

SELECT Orders.ItemId FROM complex_json LIMIT 100;

它将为您返回 id 列表:

项目编号 [1111,2222]

经证明可以在我的环境中返回正确的结果。完整清单:

add jar hdfs:///tmp/json-serde-1.3.6.jar;

CREATE TABLE complex_json (
  DocId string,
  Orders array<struct<ItemId:int, OrderDate:string>>
)
ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe';

LOAD DATA INPATH '/tmp/test.json' OVERWRITE INTO TABLE complex_json;

SELECT Orders.ItemId FROM complex_json LIMIT 100;

在这里阅读更多:

http://thornydev.blogspot.com/2013/07/querying-json-records-via-hive.html

于 2016-02-29T16:04:03.850 回答
1

一种方法是使用inlineorexplode函数,如下所示:

SELECT 
    TS,
    customerId,
    pCat,
    pId,
FROM FOO 
LATERAL VIEW inline(products) p AS pCat, pId

否则你可以写UDF。查看这篇文章这篇文章。连同以下资源:

于 2016-02-29T01:39:24.403 回答
0

如果数组的大小是固定的(比如 2 )。请试试:

products[0].productCategory,products[1].productCategory

但如果不是,UDF 应该是正确的解决方案。我想你可以在 JRuby 中做到这一点。GL!

于 2013-03-26T07:20:21.363 回答