曝光日志解析思路:
曝光日志表中每行数据对应
一个曝光记录
,一个曝光记录应当包含
公共信息、页面信息以及曝光信息。
先将包含
display
字段的日志过滤出来
,然后
通过
UDTF
函数,将
display
数组“炸开”
(类似于
explode
函数的效果),然后使用
get_json_object
函
数解析每个字段。
1
)建表语句
hive (gmall)>
drop table if exists dwd_display_log;
CREATE EXTERNAL TABLE dwd_display_log(
`area_code` string
COMMENT '
地区编码
'
,
`brand` string
COMMENT '
手机品牌
'
,
`channel` string
COMMENT '
渠道
'
,
`model` string
COMMENT '
手机型号
'
,
`mid_id` string
COMMENT '
设备
id'
,
`os` string
COMMENT '
操作系统
'
,
`user_id` string
COMMENT '
会员
id'
,
`version_code` string
COMMENT 'app
版本号
'
,
`during_time` bigint
COMMENT 'app
版本号
'
,
`page_item` string
COMMENT '
目标
id '
,
`page_item_type` string
COMMENT '
目标类型
'
,
`last_page_id` string
COMMENT '
上页类型
'
,
`page_id` string
COMMENT '
页面
ID '
,
`source_type` string
COMMENT '
来源类型
'
,
`ts` bigint
COMMENT 'app
版本号
'
,
`display_type` string
COMMENT '
曝光类型
'
,
`item` string
COMMENT '
曝光对象
id '
,
`item_type` string
COMMENT 'app
版本号
'
,
`order` bigint
COMMENT '
出现顺序
'
) COMMENT '
曝光日志表
'
PARTITIONED BY (dt string)
stored as parquet
LOCATION '/warehouse/gmall/dwd/dwd_display_log'
TBLPROPERTIES('parquet.compression'='lzo');
2
)数据导入
hive (gmall)>
SET hive.input.format=org.apache.hadoop.hive.ql.io.HiveInputFo
rmat;
insert overwrite table dwd_display_log partition(dt='2020-06-
14')
select
get_json_object(line,'$.common.ar'),
get_json_object(line,'$.common.ba'),
get_json_object(line,'$.common.ch'),
get_json_object(line,'$.common.md'),
get_json_object(line,'$.common.mid'),
get_json_object(line,'$.common.os'),
get_json_object(line,'$.common.uid'),
get_json_object(line,'$.common.vc'),
get_json_object(line,'$.page.during_time'),
get_json_object(line,'$.page.item'),
get_json_object(line,'$.page.item_type'),
get_json_object(line,'$.page.last_page_id'),
get_json_object(line,'$.page.page_id'),
get_json_object(line,'$.page.sourceType'),
get_json_object(line,'$.ts'),
get_json_object(display,'$.displayType'),
get_json_object(display,'$.item'),
get_json_object(display,'$.item_type'),
get_json_object(display,'$.order')
from ods_log lateral view
explode_json_array
(get_json_object(line,'$.displays')) tmp as
display
where dt='2020-06-14'
and
get_json_object(line,'$.displays') is not null;
3
)查看数据
hive (gmall)>
select * from dwd_display_log where dt='2020-06-14' limit 2;