Question

我有很多json数组存储在一个表（jt）中，如下所示：

[{"ts":1403781896,"id":14,"log":"show"},{"ts":1403781896,"id":14,"log":"start"}]
[{"ts":1403781911,"id":14,"log":"press"},{"ts":1403781911,"id":14,"log":"press"}]

每个数组都是一个记录。

我想解析这个表，以获得一个包含3个字段的新表（日志）：ts，id，log。我试图使用get_json_object方法，但似乎该方法与json数组不兼容，因为我只获取空值。

这是我测试过的代码：

CREATE TABLE logs AS 
SELECT get_json_object(jt.value, '$.ts') AS ts, 
get_json_object(jt.value, '$.id') AS id,
get_json_object(jt.value, '$.log') AS log
FROM jt;

我尝试使用其他功能，但它们看起来非常复杂。谢谢！：）

更新！我通过执行正则表达式解决了我的问题：

CREATE TABLE jt_reg AS
select regexp_replace(regexp_replace(value,'\\}\\,\\{','\\}\\\n\\{'),'\\[|\\]','') as valuereg  from jt;


CREATE TABLE logs AS 
SELECT get_json_object(jt_reg.valuereg, '$.ts') AS ts, 
get_json_object(jt_reg.valuereg, '$.id') AS id,
get_json_object(jt_reg.valuereg, '$.log') AS log
FROM ams_json_reg;

Answer 1

使用爆炸（）功能

 hive (default)> CREATE TABLE logs AS
                  >   SELECT get_json_object(single_json_table.single_json, '$.ts') AS ts,
                  >   get_json_object(single_json_table.single_json, '$.id') AS id,
                  >   get_json_object(single_json_table.single_json, '$.log') AS log
                  >   FROM
                  >     (SELECT explode(json_array_col) as single_json FROM jt) single_json_table ;

Automatically selecting local only mode for query
Total MapReduce jobs = 3
Launching Job 1 out of 3
Number of reduce tasks is set to 0 since there's no reduce operator

hive (default)> select * from logs;
OK
ts      id      log
1403781896      14      show
1403781896      14      start
1403781911      14      press
1403781911      14      press
Time taken: 0.118 seconds, Fetched: 4 row(s)
hive (default)>

其中json_array_col是jt中保存jsons数组的列。

hive (default)> select json_array_col from jt;
json_array_col
["{"ts":1403781896,"id":14,"log":"show"}","{"ts":1403781896,"id":14,"log":"start"}"]
["{"ts":1403781911,"id":14,"log":"press"}","{"ts":1403781911,"id":14,"log":"press"}"]

Answer 2

我遇到了这个问题，JSON数组作为字符串存储在hive表中。

解决方案有点hacky和丑陋，但它的工作原理并不需要serdes或外部UDF

SELECT 
       get_json_object(single_json_table.single_json, '$.ts') AS ts,
       get_json_object(single_json_table.single_json, '$.id') AS id,
       get_json_object(single_json_table.single_json, '$.log') AS log
FROM ( SELECT explode (
  split(regexp_replace(substr(json_array_col, 2, length(json_array_col)-2),
            '"}","', '"}",,,,"'), ',,,,')
      ) FROM src_table) single_json_table;

我打破了排队，这样会更容易阅读。我使用substr（）去掉第一个和最后一个字符，删除[和]。然后我使用regex_replace来匹配json数组中记录之间的分隔符，并添加或更改分隔符，使其成为唯一的，然后可以使用split（）将字符串转换为json对象的hive数组。然后可以与之前的解决方案中描述的explode（）一起使用。

注意，此处使用的分隔符正则表达式（＆＃34;}＆＃34;，＆＃34;）不能使用原始数据集...正则表达式必须是（＆＃34） ;}，\ {＆＃34;）然后替换将需要＆＃34;} ,,,, {＆＃34;例如..

  split(regexp_replace(substr(json_array_col, 2, length(json_array_col)-2),
            '"},\\{"', '"},,,,{"'), ',,,,')

Answer 3

因为get_json_object不支持json数组字符串，所以你可以连接到json对象，如下所示：

SELECT 
    get_json_object(concat(concat('{"root":', jt.value), '}'), '$.root')
FROM jt;

使用HIVE解析json数组

3 个答案: