hive的serde解析与应用

我会带着你远行 2023-05-21 15:16 10阅读 0赞

> 今天把serde讲解和相关应用整理一下，参考文档如下  
> 参考的官方文档:  
> https://cwiki.apache.org/confluence/display/Hive/DeveloperGuide\#DeveloperGuide-HiveSerDe  
> https://cwiki.apache.org/confluence/display/Hive/SerDe

# 1、serde概述 #

SerDe是Serializer / Deserializer的缩写，Hive将SerDe接口用于IO。该接口既处理序列化和反序列化，又将序列化的结果解释为要处理的单个字段。  
SerDe允许Hive从表中读取数据，并将其以任何自定义格式写回HDFS

Hive 使用 SerDe (and FileFormat)去读和写表中的行  
它的**执行流程**如下

> HDFS files --> InputFileFormat --> <key, value> --> Deserializer --> Row object  
> Row object --> Serializer --> <key, value> --> OutputFileFormat --> HDFS files

当面临一个HDFS上的文件时，Hive将如下处理（以读为例）：

(1) 调用InputFormat，将文件切成不同的文档。每篇文档即一行(Row)。  
(2) 调用SerDe的Deserializer，将一行(Row)，切分为各个字段。

**其实我粗浅的理解如下**

> 就是InputFileFormat读取数据，不管是按行还是按照什么，然后通过序列化然后解析相应的字段。  
> 写数据就是将查询的对象反序列化成对象 然后 OutputFileFormat 写入HDFS 里面

# 2、serde的种类 #

*  1、MetadataTypedColumnsetSerDe
 *  2、LazySimpleSerDe (这是创建表默认的serde,默认的INPUTFORMAT为
 *  3、TextInputFormat,OUTPUTFORMAT为HiveIgnoreKeyTextOutputFormat)
 *  4、ThriftSerDe
 *  5、DynamicSerDe
 *  6、ThriftSerDe
 *  7、DynamicSerDe
 *  8、JsonSerDe
 *  9、Avro SerDe
 *  10、SerDe for the ORC
 *  11、SerDe for Parquet
 *  12、SerDe for CSV

**serde的属性可以切换**

> ALTER TABLE tableName SET SERDE ‘serde的类名’

# 3、serde常用阐述 #

##### 1、LazySimpleSerDe #####

如果不指定serde的话，默认的serde就是org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe，以行为\\n,列为^A为分隔符，可以使用 row format delimited fields terminated by 来指定分隔符

> 这里多说两句,因为在项目中有csv的格式类似于这样 1,“xiaoming,178”,87 这样的字段，即csv中有嵌套的这种情况（嵌套的里面还有分隔符），这种情况目前只能用CSV serde，因为在LazySimpleSerDe 还不支持识别这种模式。参考https://issues.apache.org/jira/browse/HIVE-8763

##### 2、CSV serde #####

此SerDe将所有列都视为String类型。\*\*即使使用此SerDe创建具有非字符串列类型的表，DESCRIBE TABLE输出也将显示字符串列类型。\*\*从SerDe中检索类型信息。要将表中的列转换为所需类型，可以在将CAST转换为所需类型的表上创建视图。  
默认分隔符，引号和转义符（如果未指定）

> DEFAULT\_ESCAPE\_CHARACTER  
> DEFAULT\_QUOTE\_CHARACTER "  
> DEFAULT\_SEPARATOR ,

# 4、本地SerDes的注册 #

从Hive 0.14 开始，已为本地Hive SerDes引入了注册机制。这允许在create table语句中，在STORED AS关键字之间动态绑定，以代替\{SerDe，InputFormat和OutputFormat\}规范的三元组 。  
例如

> STORED AS AVRO  
> STORED AS ORC  
> STORED AS PARQUET