注意：
重要的是每行必须是一个完整的JSON，一个JSON不能跨越多行，也就是说，serde不会对多行的Json有效。 因为这是由Hadoop处理文件的工作方式决定，文件必须是可拆分的，例如，Hadoop将在行尾分割文本文件。
{ "key" : 10 }
{
"key" : 10
}
2. 下载Jar
使用之前先下载jar：
http:
如果要想在Hive中使用JsonSerde，需要把jar添加到Hive类路径中：
add jar json-serde-1.3.7-jar-with-dependencies.jar;
3. 与数组使用
源数据：
{"country":"Switzerland","languages":["German","French","Italian"]}
{"country":"China","languages":["chinese"]}
Hive表：
CREATE TABLE tmp_json_array (
country string,
languages array<string>
)
ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe'
STORED AS TEXTFILE;
LOAD DATA LOCAL INPATH '/home/xiaosi/a.txt' OVERWRITE INTO TABLE tmp_json_array;
使用：
hive> select languages[0] from tmp_json_array;
OK
German
chinese
Time taken: 0.096 seconds, Fetched: 2 row(s)
4. 嵌套结构
源数据：
{"country":"Switzerland","languages":["German","French","Italian"],"religions":{"catholic":[6,7]}}
{"country":"China","languages":["chinese"],"religions":{"catholic":[10,20],"protestant":[40,50]}}
Hive表：
CREATE TABLE tmp_json_nested (
country string,
languages array<string>,
religions map<string,array<int>>)
ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe'
STORED AS TEXTFILE;
LOAD DATA LOCAL INPATH '/home/xiaosi/a.txt' OVERWRITE INTO TABLE tmp_json_nested ;
使用：
hive> select * from tmp_json_nested;
OK
Switzerland ["German","French","Italian"] {"catholic":[6,7]}
China ["chinese"] {"catholic":[10,20],"protestant":[40,50]}
Time taken: 0.113 seconds, Fetched: 2 row(s)
hive> select languages[0] from tmp_json_nested;
OK
German
chinese
Time taken: 0.122 seconds, Fetched: 2 row(s)
hive> select religions['catholic'][0] from tmp_json_nested;
OK
6
10
Time taken: 0.111 seconds, Fetched: 2 row(s)
5. 坏数据
格式错误的数据的默认行为是抛出异常。 例如，对于格式不正确的json（languages后缺少':'）：
{"country":"Italy","languages"["Italian"],"religions":{"protestant":[40,50]}}
使用：
hive> LOAD DATA LOCAL INPATH
Loading data to table default.tmp_json_nested
OK
Time taken: 0.23 seconds
hive> select * from tmp_json_nested;
OK
Failed with exception java.io.IOException:org.apache.hadoop.hive.serde2.SerDeException:
Row is not a valid JSON Object - JSONException: Expected a
Time taken: 0.096 seconds
这种方式不是一种好的策略，我们数据中难免会遇到坏数据。如下操作可以忽略坏数据：
ALTER TABLE json_table SET SERDEPROPERTIES ( "ignore.malformed.json" = "true");
更改设置后：
hive> ALTER TABLE tmp_json_nested SET SERDEPROPERTIES ( "ignore.malformed.json" = "true");
OK
Time taken: 0.122 seconds
hive> select * from tmp_json_nested;
OK
Switzerland ["German","French","Italian"] {"catholic":[6,7]}
China ["chinese"] {"catholic":[10,20],"protestant":[40,50]}
NULL NULL NULL
Time taken: 0.103 seconds, Fetched: 3 row(s)
现在不会导致查询失败，但是坏数据记录将变为NULL NULL NULL。
注意：
如果JSON格式正确，但是不符合Hive范式，则不会跳过，依然会报错：
{"country":"Italy","languages":"Italian","religions":{"catholic":"90"}}
使用：
hive> ALTER TABLE tmp_json_nested SET SERDEPROPERTIES ( "ignore.malformed.json" = "true");
OK
Time taken: 0.081 seconds
hive> select * from tmp_json_nested;
OK
Failed with exception java.io.IOException:org.apache.hadoop.hive.ql.metadata.HiveException: java.lang.ClassCastException:
java.lang.String cannot be cast to org.openx.data.jsonserde.json.JSONArray
Time taken: 0.097 seconds
6. 将标量转为数组
这是一个常见的问题，某一个字段有时是一个标量，有时是一个数组，例如：
{ field: "hello", .. }
{ field: [ "hello", "world" ], ...
在这种情况下，如果将表声明为array<string>，如果SerDe找到一个标量，它将返回一个单元素的数组，从而有效地将标量提升为数组。 但是标量必须是正确的类型。
7. 映射Hive关键词
有时可能发生的是，JSON数据具有名为hive中的保留字的属性。 例如，您可能有一个名为“timestamp”的JSON属性，它是hive中的保留字，当发出CREATE TABLE时，hive将失败。 此SerDe可以使用SerDe属性将hive列映射到名称不同的属性。
{"country":"Switzerland","exec_date":"2017-03-14 23:12:21"}
{"country":"China","exec_date":"2017-03-16 03:22:18"}
CREATE TABLE tmp_json_mapping (
country string,
dt string
)
ROW FORMAT SERDE 'org.openx.data.jsonserde.JsonSerDe'
WITH SERDEPROPERTIES ("mapping.dt"="exec_date")
STORED AS TEXTFILE;
hive> select * from tmp_json_mapping;
OK
Switzerland 2017-03-14 23:12:21
China 2017-03-16 03:22:18
Time taken: 0.081 seconds, Fetched: 2 row(s)
“mapping.dt”，表示dt列读取JSON属性为exec_date的值。
原文：https://github.com/rcongiu/Hive-JSON-Serde
