亲测!超好用 Hive 内置的 json 解析函数
背景
在大数据 ETL(Extract-Transfer-Load) 过程中,经常需要从不同的数据源来提取数据进行加工处理,比较常见的是从 Mysql 数据库来提取数据,而 Mysql 数据库中数据存储的比较常见方式是使用 json 串进行存储。
通过大数据加工处理出来的数据是需要具有可直观分析的特点,可从数据分析中挖掘出商业价值的。
因此在数据预处理层需要将 json 串进行“拍平”处理,所谓“拍平”是指将 json 中的 key 转换为表的列字段,其 key 对应的 value 值则为列字段对应的值。
“拍平”的处理行业内也可称为“行转列”处理,我举个例子你就能明白什么是行转列了。
举例:
user表字段如下:
现需要将 user 表中字段 detail_info 中的 json 串值,以每个 key 作为 user_detail_info 表的字段来进行存储。
实现的 user_detail_info 表字段如下:
从 user 表到 user_detail_info 表的转换,就是“行转列”的过程。
你是否会好奇,在 Hive 中这个过程是如何实现的呢?
下文会解答你的疑惑。
Hive内置的json解析函数:get_json_object
语法:
get_json_object(json_string, '$.column')
说明:
解析 json 的字符串 json_string, 返回 path 指定的内容。如果输入的 json 字符串无效,结果返回 NULL。
这个函数每次只能返回一个数据项。
举例:
test_data = '{"name": "zhangsan", "age": 18, "preference": "music"}'
查询sql语句
select get_json_object(test_data,'$.preference');
解析结果:
如果需要同时解析 age, preference 这两个字段。
sql语句如下:
select get_json_object(test_data,'$.age'),get_json_object(test_data,'$.preference');
执行结果如下:
如果需要同时解析的字段很多,很显然使用这种方式写就比较麻烦了,这时候 json_tuple 这个函数是个更好的选择。
Hive内置的json解析函数:json_tuple
语法:
json_tuple(json_string, column1, column2, column3 ...)
说明:
解析 json 的字符串 json_string,可同时指定多个 json 数据中的 column,返回对应的 value。如果输入的 json 字符串无效,结果返回 NULL。
举例:
例如:test_table1 表的 data 字段存储的是以下 json 串信息,现在想要获取这个 json 串的每个 key 并将其对应的 value 值查询出来。
(1). 准备 test_table1 表 data 字段的 json 数据
data = '{ "name": "rocky", "age": 20, "prefer": "dance", "height": 1.8, "nation": "China" }'
(2). sql查询语句
select t1.name, t1.age, t1.prefer, t1.height, t1.nation from (select data from test_table1 ) t0 lateral view json_tuple(t0.data, 'name', 'age', 'prefer', 'height', 'nation' ) t1 as name,age,prefer,height,nation;
解析结果:
get_json_object函数 & json_tuple函数
- get_json_object 函数的使用语法中,使用到$.加上 json 的 key;
- json_tuple 函数的使用语法中,不能使用$.加上 json 的 key,如果使用则会导致解析失败;
- json_tuple 函数与 get_json_object 函数对比,可以发现 json_tuple 函数的优点是一次可以解析多个 json 字段;
- 但是如果被要求解析的 json 是一个 json 数组,那么这两个函数都无法完成解析;
关于 Hive 如何解析 json 数组,将会在后面的文章中分享,敬请期待~
欢迎关注【无量测试之道】公众号,回复【领取资源】
Python+Unittest框架API自动化、
Python+Unittest框架API自动化、
Python+Pytest框架API自动化、
Python+Pandas+Pyecharts大数据分析、
Python+Selenium框架Web的UI自动化、
Python+Appium框架APP的UI自动化、
Python编程学习资源干货、
Vue前端组件化框架开发、
资源和代码 免费送啦~
文章下方有公众号二维码,可直接微信扫一扫关注即可。
备注:我的个人公众号已正式开通,致力于IT互联网技术的分享。
包含:数据分析、大数据、机器学习、测试开发、API接口自动化、测试运维、UI自动化、性能测试、代码检测、编程技术等。
微信搜索公众号:“无量测试之道”,或扫描下方二维码:
添加关注,让我们一起共同成长!