Hive系列之SerDe

 
 

SerDe是Serialize/Deserilize的简称,目的是用于序列化和反序列化。

序列化作用

序列化是对象转换为字节序列的过程。 序列化是字节序列恢复为对象的过程。 对象的序列化主要有两种用途:对象的持久化,即把对象转换成字节序列后保存到文件中;对象数据的网络传送。 除了上面两点, hive的序列化的作用还包括:Hive的反序列化是对key/value反序列化成hive table的每个列的值。Hive可以方便的将数据加载到表中而不需要对数据进行转换,这样在处理海量数据时可以节省大量的时间。

SerDe说明hive如何去处理一条记录,包括Serialize/Deserilize两个功能, Serialize把hive使用的java object转换成能写入hdfs的字节序列,或者其他系统能识别的流文件。Deserilize把字符串或者二进制流转换成hive能识别的java object对象。比如:select语句会用到Serialize对象, 把hdfs数据解析出来;insert语句会使用Deserilize,数据写入hdfs系统,需要把数据序列化。

SerDe使用

hive创建表时, 通过自定义的SerDe或使用Hive内置的SerDe类型指定数据的序列化和反序列化方式。

CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name [(col_name data_type [COMMENT col_comment], ...)] [COMMENT table_comment] [PARTITIONED BY (col_name data_type [COMMENT col_comment], ...)] [CLUSTERED BY (col_name, col_name, ...) [SORTED BY (col_name [ASC|DESC], ...)] INTO num_buckets BUCKETS] [ROW FORMAT row_format] [STORED AS file_format] [LOCATION hdfs_path]

如上创建表语句, 使用row format 参数说明SerDe的类型。

SerDe包括内置类型

Avro ORC RegEx Thrift Parquet CSV JsonSerDe

自定义类型

自定义类型使用的步骤:

  • 定义一个类, 继承抽象类AbstractSerDe, 实现initialize, deserialize和

      package com.coder4.hive;
      import java.util.ArrayList;
      import java.util.Arrays;
      import java.util.HashMap;
      import java.util.List;
      import java.util.Map;
      import java.util.Properties;
    
      import org.apache.commons.lang.StringUtils;
      import org.apache.hadoop.conf.Configuration;
      import org.apache.hadoop.hive.serde.Constants;
      import org.apache.hadoop.hive.serde2.AbstractSerDe;
      import org.apache.hadoop.hive.serde2.SerDeException;
      import org.apache.hadoop.hive.serde2.SerDeStats;
      import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
      import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspectorFactory;
      import org.apache.hadoop.hive.serde2.typeinfo.PrimitiveTypeInfo;
      import org.apache.hadoop.hive.serde2.typeinfo.TypeInfo;
      import org.apache.hadoop.hive.serde2.typeinfo.TypeInfoUtils;
      import org.apache.hadoop.io.Text;
      import org.apache.hadoop.io.Writable;
    
      public class MySerDe extends AbstractSerDe {
          // params
          private List<String> columnNames = null;
          private List<TypeInfo> columnTypes = null;
          private ObjectInspector objectInspector = null;
          // seperator
          private String nullString = null;
          private String lineSep = null;
          private String kvSep = null;
    
          @Override
          public void initialize(Configuration conf, Properties tbl)
                  throws SerDeException {
              // Read sep
              lineSep = "\n";
              kvSep = "=";
              nullString = tbl.getProperty(Constants.SERIALIZATION_NULL_FORMAT, "");
    
              // Read Column Names
              String columnNameProp = tbl.getProperty(Constants.LIST_COLUMNS);
              if (columnNameProp != null && columnNameProp.length() > 0) {
                  columnNames = Arrays.asList(columnNameProp.split(","));
              } else {
                  columnNames = new ArrayList<String>();
              }
    
              // Read Column Types
              String columnTypeProp = tbl.getProperty(Constants.LIST_COLUMN_TYPES);
              // default all string
              if (columnTypeProp == null) {
                  String[] types = new String[columnNames.size()];
                  Arrays.fill(types, 0, types.length, Constants.STRING_TYPE_NAME);
                  columnTypeProp = StringUtils.join(types, ":");
              }
              columnTypes = TypeInfoUtils.getTypeInfosFromTypeString(columnTypeProp);
    
              // Check column and types equals
              if (columnTypes.size() != columnNames.size()) {
                  throw new SerDeException("len(columnNames) != len(columntTypes)");
              }
    
              // Create ObjectInspectors from the type information for each column
              List<ObjectInspector> columnOIs = new ArrayList<ObjectInspector>();
              ObjectInspector oi;
              for (int c = 0; c < columnNames.size(); c++) {
                  oi = TypeInfoUtils
                          .getStandardJavaObjectInspectorFromTypeInfo(columnTypes
                                  .get(c));
                  columnOIs.add(oi);
              }
              objectInspector = ObjectInspectorFactory
                      .getStandardStructObjectInspector(columnNames, columnOIs);
    
          }
    
          @Override
          public Object deserialize(Writable wr) throws SerDeException {
              // Split to kv pair
              if (wr == null)
                  return null;
              Map<String, String> kvMap = new HashMap<String, String>();
              Text text = (Text) wr;
              for (String kv : text.toString().split(lineSep)) {
                  String[] pair = kv.split(kvSep);
                  if (pair.length == 2) {
                      kvMap.put(pair[0], pair[1]);
                  }
              }
    
              // Set according to col_names and col_types
              ArrayList<Object> row = new ArrayList<Object>();
              String colName = null;
              TypeInfo type_info = null;
              Object obj = null;
              for (int i = 0; i < columnNames.size(); i++) {
                  colName = columnNames.get(i);
                  type_info = columnTypes.get(i);
                  obj = null;
                  if (type_info.getCategory() == ObjectInspector.Category.PRIMITIVE) {
                      PrimitiveTypeInfo p_type_info = (PrimitiveTypeInfo) type_info;
                      switch (p_type_info.getPrimitiveCategory()) {
                      case STRING:
                          obj = StringUtils.defaultString(kvMap.get(colName), "");
                          break;
                      case LONG:
                      case INT:
                          try {
                              obj = Long.parseLong(kvMap.get(colName));
                          } catch (Exception e) {
                          }
                      }
                  }
                  row.add(obj);
              }    
              return row;
          }    
          @Override
          public ObjectInspector getObjectInspector() throws SerDeException {
              return objectInspector;
          }    
          @Override
          public SerDeStats getSerDeStats() {
              return null;
          }    
          @Override
          public Class<? extends Writable> getSerializedClass() {
              return Text.class;
          }    
          @Override
          public Writable serialize(Object arg0, ObjectInspector arg1)
                  throws SerDeException {
              return null;
          }    
      }
  • 添加自定义的SerDe类的jar包

    hive > add jar MySerDe.jar

  • 创建表格时属性row fromat指定自定义的SerDe类
       CREATE EXTERNAL TABLE IF NOT EXISTS teacher ( 
            id BIGINT, 
            name STRING,
            age INT)
      ROW FORMAT SERDE 'com.coder4.hive.MySerDe'
      STORED AS TEXTFILE
      LOCATION '/usr/hive/text/'
  • 7
    点赞
  • 36
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值