在Hive中会有很多数据是用Json格式来存储的，如开发人员对APP上的页面进行埋点时，会将多个字段存放在一个json数组中，因此数据平台调用数据时，要对埋点数据进行解析。接下来就聊聊Hive中是如何解析json数据的。
Hive自带的json解析函数
1. get_json_object
语法：get_json_object(json_string, \’$.key\’) 说明：解析json的字符串json_string,返回path指定的内容。如果输入的json字符串无效，那么返回NULL。这个函数每次只能返回一个数据项。 示例： selectget_json_object(\'{\”name\”:\”zhangsan\”,\”age\”:18}\’,\’$.name\’);
结果：
name zhangsan
如果既要解析name字段，也解析age字段，则可以这样写：
selectget_json_object(\'{\”name\”:\”zhangsan\”,\”age\”:18}\’,\’$.name\’),get_json_object(\'{\”name\”:\”zhangsan\”,\”age\”:18}\’,\’$.age\’);
但是如果要解析的字段有很多，再这样写就太麻烦了，所以就有了 json_tuple 这个函数。
2. json_tuple
语法：json_tuple(json_string, k1, k2 …) 说明：解析json的字符串json_string,可指定多个json数据中的key，返回对应的value。如果输入的json字符串无效，那么返回NULL。 示例： selectb.name,b.agefromtableNamealateralviewjson_tuple(\'{\”name\”:\”zhangsan\”,\”age\”:18}\’,\’name\’,\’age\’)basname,age; 结果: name age zhangsan 18
注意：上面的json_tuple函数中没有$.
如果在使用json_tuple函数时加上$.就会解析失败：
selectb.name,b.agefromtableNamealateralviewjson_tuple(\'{\”name\”:\”zhangsan\”,\”age\”:18}\’,\’$.name\’,\’$.age\’)basname,age;
结果:
name age NULL NULL
字段全是NULL，所以json_tuple函数不需要加$.了，否则会解析不到。
总结：json_tuple相当于get_json_object的优势就是一次可以解析多个json字段。但是如果我们有个json数组，这两个函数都无法处理。
Hive解析json数组 一、嵌套子查询解析json数组
如果有一个hive表，表中 json_str 字段的内容如下：
json_str [{\”website\”:\”baidu.com\”,\”name\”:\”百度\”},{\”website\”:\”google.com\”,\”name\”:\”谷歌\”}]
我们想把这个字段解析出来，形成如下的结构：
website name baidu.com 百度 google.com 谷歌
要解析这个json数组，仅用上面介绍的两个函数就解析不出来了，还需用到如下介绍的几个函数：
explode函数 语法：explode(Array OR Map) 说明：explode()函数接收一个array或者map类型的数据作为输入，然后将array或map里面的元素按照每行的形式输出，即将hive一列中复杂的array或者map结构拆分成多行显示，也被称为列转行函数。 示例： –解析arrayhive>selectexplode(array(\’A\’,\’B\’,\’C\’));OKABC–解析maphive>selectexplode(map(\’A\’,10,\’B\’,20,\’C\’,30));OKA10B20C30 regexp_replace函数 语法: regexp_replace(string A, string B, string C) 说明：将字符串A中的符合java正则表达式B的部分替换为C。注意，在有些情况下要使用转义字符，类似oracle中的regexp_replace函数。 示例： hive>selectregexp_replace(\’foobar\’,\’oo|ar\’,\’\’);OKfb
上述示例将字符串中的 oo 或 ar 替换为\’\’。
有了上述几个函数，接下来我们来解析json_str字段的内容：
先将json数组中的元素解析出来，转化为每行显示：
hive>SELECTexplode(split(regexp_replace(regexp_replace(\'[{\”website\”:\”baidu.com\”,\”name\”:\”百度\”},{\”website\”:\”google.com\”,\”name\”:\”谷歌\”}]\’,\’\\]\’,\’\’),\’\\}\\,\\{\’,\’\\}\\;\\{\’),\’\\;\’));OK{\”website\”:\”baidu.com\”,\”name\”:\”百度\”}{\”website\”:\”google.com\”,\”name\”:\”谷歌\”}
对上述sql进行简要说明：
SELECTexplode(split(regexp_replace(regexp_replace(\'[{\”website\”:\”baidu.com\”,\”name\”:\”百度\”},{\”website\”:\”google.com\”,\”name\”:\”谷歌\”}]\’,\’\\[|\\]\’,\’\’),将json数组两边的中括号去掉\’\\}\\,\\{\’,\’\\}\\;\\{\’),将json数组元素之间的逗号换成分号\’\\;\’)以分号作为分隔符(split函数以分号作为分隔));
为什么要将json数组元素之间的逗号换成分号?
因为元素内的分隔也是逗号，如果不将元素之间的逗号换掉的话，后面用split函数分隔时也会把元素内的数据给分隔，这不是我们想要的结果。
上步已经把一个json数组转化为多个json字符串了，接下来结合son_tuple函数来解析json里面的字段：
selectjson_tuple(explode(split(regexp_replace(regexp_replace(\'[{\”website\”:\”baidu.com\”,\”name\”:\”百度\”},{\”website\”:\”google.com\”,\”name\”:\”谷歌\”}]\’,\’\\[|\\]\’,\’\’),\’\\}\\,\\{\’,\’\\}\\;\\{\’),\’\\;\’))),\’website\’,\’name\’);
执行上述语句，结果报错了：
FAILED:SemanticException[Error10081]:UDTF\’sarenotsupportedoutsidetheSELECTclause,nornestedinexpressions
意思是UDTF函数不能写在别的函数内，也就是这里的explode函数不能写在json_tuple里面。
既然explode函数不能写在别的json_tuple里面，那我们可以用子查询方式，如下所示：
selectjson_tuple(json,\’website\’,\’name\’)from(selectexplode(split(regexp_replace(regexp_replace(\'[{\”website\”:\”baidu.com\”,\”name\”:\”百度\”},{\”website\”:\”google.com\”,\”name\”:\”谷歌\”}]\’,\’\\[|\\]\’,\’\’),\’\\}\\,\\{\’,\’\\}\\;\\{\’),\’\\;\’))asjson)t;
执行上述语句，没有报错，执行结果如下：
www.baidu.com百度google.com谷歌 二 使用 lateral view 解析json数组
hive表中 goods_id 和 json_str 字段的内容如下：
goods_id json_str 1,2,3 [{\”source\”:\”7fresh\”,\”monthSales\”:4900,\”userCount\”:1900,\”score\”:\”9.9\”},{\”source\”:\”jd\”,\”monthSales\”:2090,\”userCount\”:78981,\”score\”:\”9.8\”},{\”source\”:\”jdmart\”,\”monthSales\”:6987,\”userCount\”:1600,\”score\”:\”9.0\”}]
目的：把 goods_id 字段和 json_str 字段中的monthSales解析出来。
下面我们就开始解析：
拆分goods_id字段及将json数组转化成多个json字符串：
selectexplode(split(goods_id,\’,\’))asgood_id,explode(split(regexp_replace(regexp_replace(json_str,\’\\[|\\]\’,\’\’),\’\\}\\,\\{\’,\’\\}\\;\\{\’),\’\\;\’))assale_infofromtableName;
执行上述语句，结果报错：
FAILED:SemanticException3:0OnlyasingleexpressionintheSELECTclauseissupportedwithUDTF\’s.Errorencounteredneartoken\’sale_info\’
意思是用UDTF的时候，SELECT 只支持一个字段。而上述语句select中有两个字段，所以报错了。
那怎么办呢，要解决这个问题，还得再介绍一个hive语法：
lateral view
lateral view用于和split、explode等UDTF一起使用的，能将一行数据拆分成多行数据，在此基础上可以对拆分的数据进行聚合，lateral view首先为原始表的每行调用UDTF，UDTF会把一行拆分成一行或者多行，lateral view在把结果组合，产生一个支持别名表的虚拟表。
示例：
假设我们有一张用户兴趣爱好表 hobbies_table，它有两列数据，第一列是name，第二列是用户兴趣爱好的id_list，是一个数组，存储兴趣爱好的id值：
name id_list zhangsan [1,2,3] lisi [3,4,5]
我们要统计所有兴趣id在所有用户中出现的次数：
对兴趣id进行解析：
SELECTname,hobby_idFROMhobbies_tableLATERALVIEWexplode(id_list)tmp_tableAShobby_id;
上述sql执行结果：
name hobby_id zhangsan 1 zhangsan 2 zhangsan 3 lisi 3 lisi 4 lisi 5
2. 按照hobby_id进行分组聚合即可：
SELECThobby_id,count(1)client_numFROMhobbies_tableLATERALVIEWexplode(id_list)tmp_tableAShobby_idgroupbyhobby_id;
结果：
hobby_id client_num 1 1 2 1 3 2 4 1 5 1
介绍完 lateral view 之后，我们再来解决上面遇到的用UDTF的时候，SELECT 只支持一个字段的问题：
selectgood_id,get_json_object(sale_json,\’$.monthSales\’)asmonthSalesfromtableNameLATERALVIEWexplode(split(goods_id,\’,\’))goodsasgood_idLATERALVIEWexplode(split(regexp_replace(regexp_replace(json_str,\’\\[|\\]\’,\’\’),\’\\}\\,\\{\’,\’\\}\\;\\{\’),\’\\;\’))salesassale_json;
注意：上述语句是三个表笛卡尔积的结果，所以此方式适用于数据量不是很大的情况。
上述语句执行结果如下：
goods_id monthSales 1 4900 1 2090 1 6987 2 4900 2 2090 2 6987 3 4900 3 2090 3 6987
如果表中还有其他字段，我们可以根据其他字段筛选出符合结果的数据。
总结：lateral view通常和UDTF一起出现，为了解决UDTF不允许在select存在多个字段的问题。
