Hive使用JsonSerDe格式化json数据

hive默认使用分隔符如空格，分号，"|"，制表符\t来格式化数据记录，对于复杂数据类型如json,nginx日志等，就没有办法拆分了，这时候需要更加强大的SerDe来处理复杂数据，如使用JsonSerDe或者使用正则表达式RegSerDe来处理。这里介绍如何利用JsonSerDe来处理json数据。

1、下载最新的json-serde-1.3.8-jar-with-dependencies.jar和json-udf-1.3.8-jar-with-dependencies.jar到hive中的lib目录下。

2、创建表。

hive> create table employees(name string,salary int) comment "a json format table" row format serde 'org.openx.data.jsonserde.JsonSerDe' stored as textfile;
OK
Time taken: 3.951 seconds
hive> show tables;
OK
employees
Time taken: 0.14 seconds, Fetched: 1 row(s)

3、加载数据并测试。

hive> load data local inpath 'file:/home/hadoop/spark/examples/src/main/resources/employees.json' overwrite into table employees;
Loading data to table default.employees
OK
Time taken: 2.153 seconds
hive> select * from employees;
OK
Michael	3000
Andy	4500
Justin	3500
Berta	4000
Time taken: 1.467 seconds, Fetched: 4 row(s)