标签：分区表 log 默认 from 抽取 脚本 oca ted pac
hive官方并不支持json格式的数据加载，默认支持csv格式文件加载，如何在不依赖外部jar包的情况下实现json数据格式解析，本编博客着重介绍此问题解决方案
首先创建元数据表：
create EXTERNAL table access_log (content string) row format delimited fields terminated by ‘\t‘ STORED AS INPUTFORMAT ‘com.hadoop.mapred.DeprecatedLzoTextInputFormat‘ OUTPUTFORMAT ‘org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat‘ location ‘hdfs://sps1:9090/data/accesslog‘
创建视图表：
create view access_log_view as select eventTime, ip, appName, fp, username, target from access_log lateral view json_tuple(content, "eventTime", "ip", "appName", "fp", "username", "target") t1 as eventTime, ip, appName, fp, username, target;
视图表利用json tuple将json object的数据进行抽取，这样就实现了字段分离。
但是有些日志文件是/user/aaa/dt=2013-12-01/ds=01/access.log带有分区目录的，对于这种格式需要分区表的支持
创建分区表：
create EXTERNAL table access_log (content string) partitioned by (dt int, ds int) row format delimited fields terminated by ‘\t‘ STORED AS INPUTFORMAT ‘com.hadoop.mapred.DeprecatedLzoTextInputFormat‘ OUTPUTFORMAT ‘org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat‘ location ‘hdfs://sps1:9090/data/accesslog4‘;
但是问题来了，发现没有办法加载数据，该怎么办那。
下一步我们需要手动的加载分区：
alter table access_log add partition(dt=?,ds=?)
这样就可以查到数据了。切记必须要进行分区add，否则无法查到数据。
创建视图表：
与上边创建视图一样
但是分区是随着时间的推移进行增加的，这个不能人肉，我们需要自动化脚本来帮助我们完成
#!/bin/bash source ~/.bashrc date=`date +%Y-%m-%d` hour=`date +%H` cmd="ALTER TABLE databaseName.tableName ADD PARTITION(dt=‘$date‘, ht=‘$hour‘);" hive -e "$cmd"
至此为止，有关hive加载json数据和分区表的问题就解释清楚了，不明白下方留言，我们继续讨论。
标签：分区表 log 默认 from 抽取 脚本 oca ted pac
原文地址：http://www.cnblogs.com/wq920/p/7236492.html
