Hive学习笔记-分隔符处理

hive默认是只支持单字符的分隔符，默认单字符是\001。当然你也可以在创建表格时指定数据的分割符号。如：

create table user(name string, password string) row format delimited fields terminated by '\t'。

通过这种方式，完成分隔符的指定。

如果你想要支持多字符的分隔符可以通过如下方式：

1、自定义一个 InputFormat ，重写 InputFormat 中 RecordReader 类中的 next 方法.。当然这是输入的时候调用的，输出的时候也是可以设定不同的分隔符的。方法和输入一样，自定义一个OutputFormat，不过这里要注意的是：自定义的OutputFormat必须要实现HiveOutputFormat接口，重写 OutputFormat 中 RecordWriter 中的 write 方法，这里可以参考HiveIgnoreKeyTextOutputFormat类。Hive的InputFormat/OutputFormat与Hadoop 的InputFormat/OutputFormat相当类似，InputFormat负责把输入的数据进行格式化或转换处理，然后提供给Hive，OutputFormat 负责把 Hive输出的数据重新格式化成目标格式再输出到文件，这种对格式进行定制的方式较为底层。重写完成后打包成jar，放入到Hive目录的lib文件夹下面。

[java] view plaincopy

public synchronized boolean next(LongWritable key, Text value)
throws IOException {
while (pos < end) {
key.set(pos);
int newSize = lineReader.readLine(value, maxLineLength,
Math.max((int) Math.min(Integer.MAX_VALUE, end - pos), maxLineLength));
if (newSize == 0) return false;
String str = value.toString().toLowerCase().replaceAll("::", ":");
value.set(str);
pos += newSize;
if (newSize < maxLineLength) return true;
}
return false;
}

[java] view plaincopy

@Override
public void write(Writable r) throws IOException {
if (r instanceof Text) {
Text tr = (Text) r;
String strReplace = tr.toString().toLowerCase().replace(":", "::");
Text txtReplace = new Text();
txtReplace.set(strReplace);
outStream.write(txtReplace.getBytes(), 0, txtReplace.getLength());
outStream.write(finalRowSeparator);
} else {
BytesWritable bw = (BytesWritable) r;
outStream.write(bw.get(), 0, bw.getSize());
outStream.write(finalRowSeparator);
}
}

需要重新进入shell模式，在创建表的时候如下操作：

[sql] view plaincopy

create table user(username string,password string)
row format delimited
fields terminated by ':'
stored as
INPUTFORMAT 'org.platform.utils.bigdata.hive.CustomInputFormat'
OUTPUTFORMAT 'org.platform.utils.bigdata.hive.CustomOutputFormat';

2、通过 SerDe(serialize/deserialize) ，在数据序列化和反序列化时格式化数据。这种方式比较复杂一点，对数据的控制能力也要弱一些，它使用正则表达式来匹配和处理数据，性能也会有所影响。但它的优点是可以自定义表属性信息SERDEPROPERTIES，在 SerDe 中通过这些属性信息可以有更多的定制行为。参考示例：

[sql] view plaincopy

create table user(username string,password string,nickname string)
row format serde 'org.apache.hadoop.hive.contrib.serde2.RegexSerDe'
with serdeproperties (
'input.regex'='([^:]*)::([^:]*)::([^:]*)',
'output.format.string'='%1$s %2$s %3$3')
stored as textfile;

Hive学习笔记-分隔符处理相关推荐

最全的Hive学习笔记
最全的Hive学习笔记 1. 什么是hive 1.1. hive基本思想 1.2 为什么使用Hive 1.3. Hive的特点 2. hive的基本架构 3. hive安装 3.1. 最简安装:用内嵌 ...
Hive学习笔记三之函数操作
文章目录 5 函数 5.1 系统内置函数 5.2 常用内置函数 5.2.1 空字段赋值 5.2.2 CASE WHEN THEN ELSE END(类似于java中的switch case) 5.2. ...
Hive学习笔记【全】
Hive学习笔记[全] 文章目录 Hive学习笔记[全] 一.Hive简介 1.Hive是什么 2.Hive的架构 3.Hive的数据组织二.Hive安装 1.环境需求 2.安装Hive 3.启动H ...
Hive学习笔记（1）基本操作
hive学习官方网站: General Info ============ For the latest information about Hive, please visit out websit ...
Hive—学习笔记（一）
主要内容: 1.Hive的基本工能机制和概念 2.hive的安装和基本使用 3.HQL 4.hive的脚本化运行使用方式 5.hive的基本语法--建表语法 6.hive的基本语法--内部表和外部表. ...
Hive学习笔记总结
Hive Hive定义 Hive优缺点 Hive架构 Hive和数据库的区别 Hive元数据包括哪些,存在哪里? Hive中的数据库建表语句内部表外部表区别往表中添加数据的5种方式往分区中添加 ...
Hive学习笔记，你想知道的Hive
1. 什么是Hive(蜂巢)? Hive是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供类SQL查询功能.Hive是基于HDFS之上的数据仓库,也就是说Hive中 ...
hive学习笔记-数据操作
hive数据操作 hive命令行操作 hive -d --define <key=value> 定义一个key-value可以在命令行中使用 hive -d database <da ...
Hive学习笔记（4）—— hive练习
1 数据 1.1 students.txt Sno,Sname,sex,Sage,Sdept 95001,李勇,男,20,CS 95002,刘晨,女,19,IS 95003,王敏,女,22,MA 95 ...

Hive学习笔记-分隔符处理

Hive学习笔记-分隔符处理相关推荐

最新文章

热门文章