SQL：爆炸数组

Question

我有一个包含JSON对象的表。每个JSON对象在方括号中均包含一个数组，并用逗号分隔。

如何使用SQL访问方括号数组中的任何元素，例如“ Matt”？

{"str":
   [
     1,
     134,
     61,
     "Matt",
     {"action.type":"registered","application":491,"value":423,"value2":12344},
     ["application"],
     [],
     "49:0"
   ]
}

我在Hadoop上使用“ Hive”。如果您知道如何在SQL中执行此操作，那很好:)

Answer 1

您可以在Hive中执行以下操作：

首先，您需要一个JSON SerDe（Serializer /
Deserializer）。我见过的最实用的功能是https://github.com/rcongiu/Hive-JSON-
Serde/
。彼得·桑考斯卡斯（Peter
Sankauskas）的SerDe似乎无法处理这种复杂的JSON。在撰写本文时，您将需要使用Maven编译SerDe，并将JAR放在您的Hive会话可以到达的位置。

接下来，您将需要更改JSON格式。原因是Hive对数组采用强类型的视图，因此混合整数和其他内容将无效。考虑切换到这样的结构：

{"str": { 
   n1 : 1,
   n2 : 134,
   n3 : 61,
   s1: "Matt",
   st1: {"type":"registered","app":491,"value":423,"value2":12344},
   ar1: ["application"],
   ar2: [],
   s2: "49:0"
} }

接下来，您需要将JSON放在一行中。我不确定这是Hive还是SerDe的怪癖，但您需要这样做。

然后将数据复制到HDFS。

现在，您可以定义一个表并查询了：

ADD JAR /path/to/jar/json-serde-1.1.2-jar-with-dependencies.jar;
CREATE EXTERNAL TABLE json (
    str struct<
       n1 : int, n2 : int, n3 : int,
       s1 : string,
       st1 : struct < type : string, app : int, value : int, value2 : int>,
       ar1 : array<string>,
       ar2 : array<string>,
       s2 : string
    >
 )
 ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe'
 LOCATION '/hdfs/path/to/file';

通过此操作，您可以运行有趣的嵌套查询，例如：

select str.st1.type from json;

最后但并非最不重要的一点是，由于这是Hive特有的，因此值得更新问题和标签。