Hive 完美解析 Json 数组的函数
背景
大数据的 ETL(Extract-Transfer-Load) 过程的 Transfer 阶段，需要对 json 串数据进行转换“拍平”处理。
亲测!超好用 Hive 内置的 json 解析函数 一文中详细介绍过 get_json_object 和 json_tuple 函数如何对 json 串进行有效解析，但美中不足的是这两个函数都无法解析 json 数组，只能解析单个 json 串。
这里将会介绍 Hive 中常用于 json 数组的解析函数及详细使用方法。
json数组解析：需求1
数据准备
例如：Hive中有一张 test_json 表，表中 json_data 字段的内容如下：
基于以上的 json_data 数据，现需要将以上 json 串数据解析为如下结构数据：
在进行解析之前，先来了解下面两个函数的使用方法。
函数运用
1、explode函数
语法
explode(Array|Map)
说明
explode()函数接收一个 array 或者 map 类型的数据作为输入，然后将 array 或 map 里面的元素按照每行的形式输出。
即将 Hive 一列中复杂的 array 或者 map 结构拆分成多行显示，也被称为列转行函数。
举例
array测试sql语句：
select explode(array('user_id','name','age'));
执行结果：
map测试sql语句：
select explode(map('user_id',1,'name','rocky','age',18));
执行结果：
2、regexp_replace函数
语法
regexp_replace(str A, str B, str C)
说明
语法含义：将字符串 A 中的符合正则表达式 B 的部分替换为 C。
注意：当字符串 A 中有一些特殊字符时，在正则表达式 B 中要使用转义字符。
举例
sql语句：
select regexp_replace('hello world!', '\\ |\\!', '');
执行结果：
3、 具体函数运用
了解 explode 函数与 regexp_replace 函数的使用规则后，现在来完成上面数据准备中提出的解析需求。
第一步解析：json数组拆分成多行
sql语句：
SELECT explode(split( regexp_replace( regexp_replace( '[ {"user_id":"1","name":"小琳","age":16}, {"user_id":"2","name":"小刘","age":18}, {"user_id":"3","name":"小明","age":20} ]', '\\[|\\]' , ''), 将json数组两边的中括号去掉 '\\}\\,\\{' , '\\}\\;\\{'), 将json数组元素之间的逗号换成分号 '\\;') 以分号作为分隔符(split函数以分号作为分隔) );
执行结果：
第二步解析：json数组key转列字段
sql语句：
select json_tuple(json, 'user_id', 'name', 'age') from (select explode(split( regexp_replace( regexp_replace( '[ {"user_id":"1","name":"小琳","age":16}, {"user_id":"2","name":"小刘","age":18}, {"user_id":"3","name":"小明","age":20} ]', '\\[|\\]' , ''), '\\}\\,\\{' , '\\}\\;\\{'), '\\;') )as json) tmp;
执行结果：
json数组解析：需求2
数据准备
例如：
Hive中有一张 data_json 表，表中 goods_id 和 str_data 字段的内容如下：
基于以上的 goods_id 和 str_data 数据，现需要将以上 json 串数据解析为如下结构数据：
在进行解析之前，先来了解下面两个函数的使用方法。
函数运用
1、 lateral view函数
说明
lateral view 用于和 split, explode 等 UDTF 一起使用，它能够将一列数据拆成多行数据，在此基础上可以对拆分后的数据进行聚合。
lateral view 首先为原始表的每行调用 UDTF，UDTF 会把一行拆分成一行或者多行，lateral view 在把结果组合，产生一个支持别名表的虚拟表。
举例
例如：Hive 中有一张 page_ads 表，表数据结构如下：
page_name 代表页面名称，ads_id 代表投放广告的所属 id，多个 id之间使用逗号分隔。
需求：统计所有广告 id 在所有页面中出现的次数。
第一步解析：拆分广告id
拆分sql语句：
SELECT page_name, ads_id FROM page_ads LATERAL VIEW explode(ads_id) adTable AS adid;
拆分结果：
第二步解析：聚合统计
聚合统计sql语句：
SELECT adid, count(1) FROM page_ads LATERAL VIEW explode(ads_id) adTable AS adidGROUP BY adid;
统计结果：
2、 具体函数运用
解析 data_json 表的sql语句如下：
select goods_id,get_json_object(sale_json,'$.sold') as soldfrom data_json LATERAL VIEW explode(split(goods_id,','))goods as goods_id LATERAL VIEW explode(split( regexp_replace( regexp_replace(json_str , '\\[|\\]',''),'\\}\\,\\{','\\}\\;\\{'),'\\;')) sales as sale_json;
注意：
上述语句是 3*3 笛卡尔积的结果，所以此方式适用于数据量不是很大的情况。
执行结果如下：
版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。
