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：
id | detail_info |
|---|---|
1 | '{"name":"rocky","age":18,"prefer":"music"}' |
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：
id | name | age | prefer |
|---|---|---|---|
1 | rocky | 18 | music |
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：
代码语言：javascript复制get_json_object(json_string, '$.column')
说明：
解析 json 的字符串 json_string, 返回 path 指定的内容。如果输入的 json 字符串无效，结果返回 NULL。
这个函数每次只能返回一个数据项。
举例：
代码语言：javascript复制test_data = '{"name": "zhangsan",
"age": 18,
"preference": "music"}'
查询sql语句
代码语言：javascript复制select get_json_object(test_data,'$.preference');
解析结果：
preference |
|---|
music |
如果需要同时解析 age, preference 这两个字段。
sql语句如下：
代码语言：javascript复制select get_json_object(test_data,'$.age'),get_json_object(test_data,'$.preference');
执行结果如下：
age | preference |
|---|---|
18 | music |
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：
代码语言：javascript复制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
代码语言：javascript复制data = '{
"name": "rocky",
"age": 20,
"prefer": "dance",
"height": 1.8,
"nation": "China"
}'
(2). sql查询语句
代码语言：javascript复制 select t1.name,
t1.age,
t1.prefer,
t1.height,
t1.nation
from (select data
from test_table1
) t0
lateral view json_tuple(t0.data,
'name',
'age',
'prefer',
'height',
'nation'
) t1 as name,age,prefer,height,nation;
解析结果：
name | age | prefer | height | nation |
|---|---|---|---|---|
rocky | 20 | dance | 1.8 | China |
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;
关于 Hive 如何解析 json 数组，将会在后面的文章中分享，敬请期待~
