Hive 内置的 Json 解析函数

背景

在大数据 ETL(Extract-Transfer-Load) 过程中，内置经常需要从不同的析函数据源来提取数据进行加工处理，比较常见的内置是从 Mysql 数据库来提取数据，而 Mysql 数据库中数据存储的析函比较常见方式是使用 json 串进行存储。

通过大数据加工处理出来的内置数据是需要具有可直观分析的特点，可从数据分析中挖掘出商业价值的析函。

因此在数据预处理层需要将 json 串进行“拍平”处理，内置所谓“拍平”是析函指将 json 中的 key 转换为表的列字段，其 key 对应的内置 value 值则为列字段对应的值。

“拍平”的析函处理行业内也可称为“行转列”处理，我举个例子你就能明白什么是内置行转列了。

举例：

user表字段如下：

现需要将 user 表中字段 detail_info 中的析函 json 串值，以每个 key 作为 user_detail_info 表的内置字段来进行存储。

实现的亿华云计算析函 user_detail_info 表字段如下：

从 user 表到 user_detail_info 表的转换，就是内置“行转列”的过程。

你是否会好奇，在 Hive 中这个过程是如何实现的呢?

下文会解答你的疑惑。

Hive内置的json解析函数：get_json_object

语法：get_json_object(json_string, $.column)说明：

解析 json 的字符串 json_string, 返回 path 指定的内容。如果输入的 json 字符串无效，结果返回 NULL。

这个函数每次只能返回一个数据项。

举例：test_data = { "name": "zhangsan",

"age": 18,

"preference": "music"}查询sql语句：select get_json_object(test_data,$.preference);解析结果：

如果需要同时解析 age, preference 这两个字段。

sql语句如下：select get_json_object(test_data,$.age),get_json_object(test_data,$.preference);执行结果如下：

如果需要同时解析的字段很多，很显然使用这种方式写就比较麻烦了，这时候 json_tuple 这个函数是个更好的选择。

Hive内置的json解析函数：json_tuple

语法：json_tuple(json_string, column1, column2, column3 ...)说明：

解析 json 的字符串 json_string,可同时指定多个 json 数据中的 column，返回对应的云南idc服务商 value。如果输入的 json 字符串无效，结果返回 NULL。

举例：

例如：test_table1 表的 data 字段存储的是以下 json 串信息，现在想要获取这个 json 串的每个 key 并将其对应的 value 值查询出来。

(1). 准备 test_table1 表 data 字段的 json 数据data = {

"name": "rocky",

"age": 20,

"prefer": "dance",

"height": 1.8,

"nation": "China"

}(2). sql查询语句select t1.name,

t1.age,

t1.prefer,

t1.height,

t1.nation

from (select data

from test_table1

) t0

lateral view json_tuple(t0.data,

name,

age,

prefer,

height,

nation

) t1 as name,age,prefer,height,nation;解析结果：

get_json_object函数 & json_tuple函数。get_json_object 函数的使用语法中，使用到$.加上 json 的 key。json_tuple 函数的使用语法中，不能使用$.加上 json 的 key，如果使用则会导致解析失败。json_tuple 函数与 get_json_object 函数对比，可以发现 json_tuple 函数的优点是一次可以解析多个 json 字段。但是如果被要求解析的 json 是一个 json 数组，那么这两个函数都无法完成解析。香港云服务器