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 adid
GROUPBY 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 sold
from 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：