如何使用单个字段的混合结构/字符串值解析 Hive 中的 JSON?
Posted
技术标签:
【中文标题】如何使用单个字段的混合结构/字符串值解析 Hive 中的 JSON?【英文标题】:How to parse JSONs in Hive with Mixed Struct/String values for a single field? 【发布时间】:2020-02-20 03:06:24 【问题描述】:我有 JSON 数据,其结构类似于:
root
|-- TX: struct (nullable = true)
| |-- ARGS: array (nullable = true)
| | |-- element: string (containsNull = true)
| |-- COOKIE: array (nullable = true)
| | |-- element: struct (containsNull = true)
| | | |-- name: string (nullable = true)
| | | |-- value: string (nullable = true)
数据的格式实际上,ARGS
数组包含结构(名称-值对,就像COOKIE
数组一样),如下所示:
ARGS: "name": "url", "value": "/index.html"
但是,在文件的某些行中,ARGS
数组仅包含一个空值,这迫使 Hive 将其解释为字符串:
ARGS: null
因为我知道ARGS
中的所有非空值都是结构,所以我在 Hive 中使用 CREATE
语句,如下所示:
CREATE EXTERNAL TABLE $db.$table(
tx struct<
args:array<struct<name:string,value:string>>,
cookie:array<struct<name:string,value:string>>
>
) ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe'
LOCATION '$uri';
由于这里的最终目标是横向化键值对数组,所以我使用这样的查询来测试:
SELECT array_pairs.name, array_pairs.value
FROM $db.$table
LATERAL VIEW EXPLODE(tx.args) EXPLODED_TABLE AS array_pairs;
如果我只查看 Hue 中的前 100 行左右,这可以正常工作。但是,如果我尝试将其导出为 CSV 或使用读取整个表的 WHERE
子句,Hive 会由于数据类型不匹配而弹出此错误:
errorMessage='java.lang.Error: Data is not JSONObject but java.lang.String with value alpha'
我知道最好的答案是拥有一个完美的数据源,但在这种情况下,数据就是它本来的样子,我必须解析它。有关如何使用 Hive 解析处理 JSON 中的空值的任何提示?
编辑 2019 年 10 月 24 日 07:43
感谢@leftjoin,我意识到除了空值之外,还有一个或两个 JSON 对象,其中 ARGS
字段由数组中的单个字符串填充:
ARGS: ["string value"]
鉴于此,Hive 解析器是否可以忽略这些字符串,从而提取键值对?
【问题讨论】:
这不是因为空值。检查文字而不是结构 该死,你是对的。我添加了新信息的编辑。 【参考方案1】:尝试将SerDe property 设置为忽略格式错误的 JSON:
ALTER TABLE json_table SET SERDEPROPERTIES ( "ignore.malformed.json" = "true");
【讨论】:
不幸的是,一旦更改表结构,就会产生相同的查询错误。以上是关于如何使用单个字段的混合结构/字符串值解析 Hive 中的 JSON?的主要内容,如果未能解决你的问题,请参考以下文章