Hadoop Hive SQL：从格式奇怪的文件创建外部表

Posted 2023-04-18

【中文标题】Hadoop Hive SQL：从格式奇怪的文件创建外部表

【英文标题】：Hadoop Hive SQL: Create External Table from an oddly formatted file

【发布时间】：2013-12-05 21:34:03

【问题描述】：

目前我有一个初始系统正在工作，它读取一个文件，每个行格式如下所示：

REVISION 12 30364918 Anarchism 2005-12-06T17:44:47Z RJII 141644

使用此代码：

CREATE EXTERNAL TABLE mytable(type STRING, aid BIGINT, rid BIGINT, title STRING, ts STRING, uname STRING, uid STRING) ROW FORMAT DELIMITED FIELDS TERMINATED BY ' ' STORED AS TEXTFILE LOCATION '/my/local/path/to/file';

但现在我有一个文件，每一行的格式如下：

2001-04-29T15:43:48Z    [10656,251129]

（注意时间戳后面有个制表符）

而且我不知道如何从中提取数据。我在网上寻找建议，但似乎找不到任何东西。

如果理论上我想从中得到

ts STRING -> 2001-04-29T15:43:48Z
aid BIGINT -> 10656
rid BIGINT -> 251129

【参考方案1】：

看起来第二个字段是一个 JSON 数组。您可以创建一个映射到实际底层结构的表，并定义一个视图来提取值。 Brickhouse (http://github.com/klout/brickhouse) 的“from_json”和“json_split”UDF 可以为您解析 JSON

CREATE EXTERNAL TABLE mytable(datestr STRING, jsonArray STRING) 
ROW FORMAT FIELDS DELIMITED BY '\t';

CREATE VIEW myview AS
SELECT datestr, numArr[0] as aid, numArr[1] as rid
FROM ( SELECT datestr, from_json( jsonArray, array( cast(1 as bigint) ) ;