Hive专栏 | ||
---|---|---|
上一篇 | 主目录 | 下一篇 |
目录
【前言】
在使用hive处理数据时,除了可以使用内置函数、用户自定义函数UDF,还可以使用hql调用脚本,这种调用脚本的方式由Hive的 TRANSFORM 关键字提供。
一个实例
Json数据: {"movie":"1193","rate":"5","timeStamp":"978300760","uid":"1"}
需求:把timestamp的值转换成日期编号
- 先加载rating.json文件到hive的一个原始表 rate_json
create table rate_json(line string) row format delimited;
load data local inpath '/home/hadoop/rating.json' into table rate_json;
- 创建rate这张表用来存储解析json出来的字段
create table rate(movie int, rate int, unixtime int, userid int) row format delimited fields terminated by '\t';
- 解析json,得到结果之后存入rate表
insert into table rate select
get_json_object(line,'$.movie') as movie,
get_json_object(line,'$.rate') as rate,
get_json_object(line,'$.timeStamp') as unixtime, get_json_object(line,'$.uid') as userid
from rate_json;
- 使用transform+python脚本的方式去转换unixtime为weekday
创建最后的用来存储调用python脚本解析出来的数据的表:lastjsontable
create table lastjsontable(movie int, rate int, weekday int, userid int) row format delimited fields terminated by '\t';
编辑一个python脚本文件
vi weekday_mapper.py
#!/bin/python
import sys
import datetime
for line in sys.stdin:
line = line.strip()
movie,rate,unixtime,userid = line.split('\t')
weekday = datetime.datetime.fromtimestamp(float(unixtime)).isoweekday()
print '\t'.join([movie, rate, str(weekday),userid])
保存文件 。然后,将文件加入hive的classpath:
hive>add file /home/hadoop/weekday_mapper.py;
hive> insert into table lastjsontable select transform(movie,rate,unixtime,userid) using 'python weekday_mapper.py' as(movie,rate,weekday,userid) from rate;
最后查询看数据是否正确:
select distinct(weekday) from lastjsontable;