Hive 内置的 Json 解析函数

背景

在大数据 ETL(Extract-Transfer-Load) 过程中，经常需要从不同的数据源来提取数据进行加工处理，比较常见的是从 Mysql 数据库来提取数据，而 Mysql 数据库中数据存储的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。

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

“拍平”的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 json 串值，以每个 key 作为 user_detail_info 表的字段来进行存储。

实现的 user_detail_info 表字段如下：

从 user 表到 user_detail_info 表的转换，就是“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：

selectget_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：

selectget_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 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

selectt1.name,
t1.age,
t1.prefer,
t1.height,
t1.nation
from (selectdata
fromtest_table1
          ) t0
lateralviewjson_tuple(t0.data,
'name',
'age',
'prefer',
'height',
'nation'
              ) t1asname,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。