Hive学习笔记——SerDe

SerDe 是Serializer 和 Deserializer 的简称，它提供了Hive和各种数据格式交互的方式。

Amazon的Athena可以理解是Amazon对标hive的一款产品，其中对SerDe的介绍如下

https://docs.aws.amazon.com/zh_cn/athena/latest/ug/serde-about.html

对于Hive中经常使用的SerDe如下，参考了

Hive_10. Hive中常用的 SerDe 和 当前社区的状态

1.LazySimpleSerDe，用来处理文本格式文件：TEXTFILE 

https://github.com/apache/hive/blob/master/serde/src/java/org/apache/hadoop/hive/serde2/lazy/LazySimpleSerDe.java

2.RegexSerDe，可以使用java正则表达式来处理文本格式文件：TEXTFILE

https://github.com/apache/hive/blob/master/serde/src/java/org/apache/hadoop/hive/serde2/RegexSerDe.java

3.JSONSerDe，可以使用它来处理json格式的文本文件：TEXTFILE

https://github.com/rcongiu/Hive-JSON-Serde/blob/master/json-serde/src/main/java/org/openx/data/jsonserde/JsonSerDe.java

第三方的jar包，下载连接

http://www.congiu.net/hive-json-serde/1.3.8/hdp23/json-serde-1.3.8-jar-with-dependencies.jar
http://www.congiu.net/hive-json-serde/1.3.8/hdp23/json-udf-1.3.8-jar-with-dependencies.jar

4.OpenCSVSerDe，可以使用它来处理csv格式的文本文件：TEXTFILE

https://github.com/apache/hive/blob/master/serde/src/java/org/apache/hadoop/hive/serde2/OpenCSVSerde.java

5.ParquetHiveSerDe，可以使用它来处理Parquet格式的文件：PARQUET

https://github.com/apache/hive/blob/master/ql/src/java/org/apache/hadoop/hive/ql/io/parquet/serde/ParquetHiveSerDe.java

6.AvroSerDe，可以使用它来处理Avro格式数据的serde：AVRO

https://github.com/apache/hive/blob/master/serde/src/java/org/apache/hadoop/hive/serde2/avro/AvroSerDe.java

7.HBaseSerDe，可以使用它来集成Hive和Hbase

https://github.com/apache/hive/blob/master/hbase-handler/src/java/org/apache/hadoop/hive/hbase/HBaseSerDe.java

8.EsSerDe，可以使用它来集成Hive和Es

https://github.com/elastic/elasticsearch-hadoop/blob/master/hive/src/main/java/org/elasticsearch/hadoop/hive/EsSerDe.java

9.ThriftDeserializer，可以使用它来集成thrift和hive

https://github.com/apache/hive/blob/master/serde/src/java/org/apache/hadoop/hive/serde2/thrift/ThriftDeserializer.java

10.MySQLSerDe

https://cwiki.apache.org/confluence/display/Hive/JDBC+Storage+Handler

使用hive查询mysql需要注意调整分区参数，否则可能会导致数据重复或者连接过多，比如

CREATE EXTERNAL TABLE IF NOT EXISTS `xx.xx`(
  `a` int COMMENT 'from deserializer',
  `b` string COMMENT 'from deserializer',
  `c` int COMMENT 'from deserializer'
)
STORED BY 'org.apache.hive.storage.jdbc.JdbcStorageHandler'
TBLPROPERTIES (
    "hive.sql.database.type" = "MYSQL",
    "hive.sql.jdbc.driver" = "com.mysql.jdbc.Driver",
    "hive.sql.jdbc.url" = "jdbc:mysql://xxx:3306/xx_db",
    "hive.sql.dbcp.username" = "xx_username",
    "hive.sql.dbcp.password" = "xx_pws",
    "hive.sql.table" = "xx_table",
    "hive.sql.dbcp.maxActive" = "1",
    "hive.sql.query"="SELECT a,b,c FROM xx_table"
)

11.MongoSerde

https://github.com/mongodb/mongo-hadoop/
https://blog.csdn.net/zz60708320/article/details/102722361