Hive | json数据处理

文章目录

- 1.JSON函数：get_json_object
- 2.JSON函数：json_tuple

JSON格式的数据如下，JSON格式对引号要求比较高，如果key或者value是字符串类型的，只能使用双引号引起来。

json 复制代码

{"key":"value", "key":"value", "key":"value", "key":"value", ...}

每条数据都以JSON形式存在，每条数据中都包含4个字段，分别为设备名称【device】、设备类型【deviceType】、信号强度【signal】和信号发送时间【time】，现在需要将这四个字段解析出来，在Hive表中以每一列的形式存储，最终得到以下Hive表：

1.JSON函数：get_json_object

get_json_object函数用于解析json字符串，可以从json字符串中返回指定的某个对象列的值，每次只能返回json对象中一列的值。

powershell 复制代码

# 语法：
get_json_object(json_txt, path)

# 第一个参数json_txt：指定要解析的JSON字符串
# 第二个参数path：指定要返回的字段，通过$.columnName的方式来指定path

sql 复制代码

--创建表
create table tb_json_test1 (
  json string
);
--加载数据
load data local inpath '/export/data/device.json' into table tb_json_test1;

select * from tb_json_test1;

sql 复制代码

# 获取设备名称字段
select
       json,
       get_json_object(json,"$.device") as device
from tb_json_test1;

sql 复制代码

# 获取设备名称及信号强度字段
select
       --获取设备名称
       get_json_object(json,"$.device") as device,
       --获取设备信号强度
       get_json_object(json,"$.signal") as signal
from tb_json_test1;

sql 复制代码

select
       --获取设备名称
       get_json_object(json,"$.device") as device,
       --获取设备类型
       get_json_object(json,"$.deviceType") as deviceType,
       --获取设备信号强度
       get_json_object(json,"$.signal") as signal,
       --获取时间
       get_json_object(json,"$.time") as stime
from tb_json_test1;

2.JSON函数：json_tuple

json_tuple函数用于实现JSON字符串的解析，可以通过指定多个参数来解析JSON返回多列的值。功能类似于get_json_object，但是可以调用一次返回多列的值，属于UDTF类型函数，返回的每一列都是字符串类型，还可以搭配lateral view一起使用。

powershell 复制代码

# 语法：
json_tuple(jsonStr, p1, p2, ..., pn) 

第一个参数：指定要解析的JSON字符串
第二个参数：指定要返回的第1个字段
...
第N+1个参数：指定要返回的第N个字段

sql 复制代码

# 获取设备名称及信号强度字段
select
       --返回设备名称及信号强度
       json_tuple(json,"device","signal") as (device,signal)
from tb_json_test1;

sql 复制代码

select
       --解析所有字段
       json_tuple(json,"device","deviceType","signal","time") as (device,deviceType,signal,stime)
from tb_json_test1;