次のようなテーブル(jt)に多くのjson配列が格納されています。
[{"ts":1403781896,"id":14,"log":"show"},{"ts":1403781896,"id":14,"log":"start"}]
[{"ts":1403781911,"id":14,"log":"press"},{"ts":1403781911,"id":14,"log":"press"}]
各配列はレコードです。
このテーブルを解析して、ts、id、logの3つのフィールドを持つ新しいテーブル(ログ)を取得したいと思います。 get_json_objectメソッドを使用しようとしましたが、null値しか取得できないため、このメソッドはjson配列と互換性がないようです。
これは私がテストしたコードです:
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, '$.log') AS log
FROM jt;
私は他の機能を使用しようとしましたが、それらは本当に複雑に見えます。ありがとうございました! :)
更新!正規表現を実行して問題を解決しました:
CREATE TABLE jt_reg AS
select regexp_replace(regexp_replace(value,'\\}\\,\\{','\\}\\\n\\{'),'\\[|\\]','') as valuereg from jt;
CREATE TABLE logs AS
SELECT get_json_object(jt_reg.valuereg, '$.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;
explode()functionを使用します
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, '$.log') AS log
> FROM
> (SELECT explode(json_array_col) as single_json FROM jt) single_json_table ;
Automatically selecting local only mode for query
Total MapReduce jobs = 3
Launching Job 1 out of 3
Number of reduce tasks is set to 0 since there's no reduce operator
Hive (default)> select * from logs;
OK
ts id log
1403781896 14 show
1403781896 14 start
1403781911 14 press
1403781911 14 press
Time taken: 0.118 seconds, Fetched: 4 row(s)
Hive (default)>
ここで、json_array_colは、jsonの配列を保持するjtの列です。
Hive (default)> select json_array_col from jt;
json_array_col
["{"ts":1403781896,"id":14,"log":"show"}","{"ts":1403781896,"id":14,"log":"start"}"]
["{"ts":1403781911,"id":14,"log":"press"}","{"ts":1403781911,"id":14,"log":"press"}"]
get_json_objectはjson配列文字列をサポートしていないため、次のようにjsonオブジェクトに連結できます。
SELECT
get_json_object(concat(concat('{"root":', jt.value), '}'), '$.root')
FROM jt;
JSON配列が文字列としてHiveテーブルに格納されているため、この問題に遭遇しました。
解決策は少しハックといですが、それは動作し、Serdesや外部UDFを必要としません
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;
読みやすくするために、行を分割しました。私はsubstr()を使用して最初と最後の文字を取り除き、[と]を削除しています。次に、regex_replaceを使用してjson配列のレコード間の区切り文字を一致させ、区切り文字を追加または変更して、文字列をjsonオブジェクトのHive配列に変換するsplit()で簡単に使用できるユニークなものにします前のソリューションで説明したように、explode()で使用します。
ここで使用されるセパレータ正規表現( "}"、 ")は元のデータセットでは機能しません...正規表現は("}、\ {")である必要があり、置換は"}である必要があります、、、、 {"例..
split(regexp_replace(substr(json_array_col, 2, length(json_array_col)-2),
'"},\\{"', '"},,,,{"'), ',,,,')