Hive的Transform的实现
Hive 的 TRANSFORM 关键字提供了在 SQL 中调用自写脚本的功能。适合实现 Hive 中没有的 功能又不想写 UDF 的情况,脚本一般都是python写的。
Json 数据: {"movie":"1193","rate":"5","timeStamp":"978300760","uid":"1"}
需求:把json的字段timeStamp转换为日期编号。
1、先加载 rating.json 文件到 hive 的一个原始表 rate_json
create table rate_json(line string) row format delimited; load data local inpath '/home/j.json' into table rate_json;
2、创建 rate 这张表用来存储解析 json 出来的字段:
create table rate(movie int, rate int, unixtime int, userid int) row format delimited fields terminated by '\t';
解析 json,得到结果之后存入 rate 表:
insert into table rate select get_json_object(line,'$.movie') as movie, get_json_object(line,'$.rate') as rate, get_json_object(line,'$.timeStamp') as unixtime, get_json_object(line,'$.uid') as userid from rate_json;
使用 transform+python 的方式去转换 unixtime 为 weekday
先编辑一个 python 脚本文件
1 import sys 2 import datetime 3 for line in sys.stdin: 4 #获取每一行的内容并去掉头尾的空格 5 line = line.strip() 6 #根据换行符截取对应的字段 7 movie,rate,timeinfo,userid = line.split('\t') 8 #将timeinfo转成时间格式 9 weekday = datetime.datetime.fromtimestamp(float(timeinfo)).isoweekday() 10 #重新拼接拼接新的内容并加入换行符 11 print '\t'.join([movie, rate, str(weekday),userid])
3,创建最后的用来存储调用 python 脚本解析出来的数据的表:lastjsontable
create table lastjsontable(movie int, rate int, weekday int, userid int) row format delimited fields terminated by '\t';
保存文件 然后,将文件加入 hive 的 classpath:
hive>add file /home/datechange.py; hive> insert into table lastjsontable select transform(movie,rate,unixtime,userid) using 'python datechange.py' as(movie,rate,weekday,userid) from rate;
4,最后查询看数据是否正确
select distinct(weekday) from lastjsontable;