hive序列化

小鱼儿 2023-06-22 13:56 3阅读 0赞

**Table of Contents**

AvroSerDe

概述

使用需求

Avro 到 Hive 类型转换

创建avro支持的Hive表

All Hive versions

Hive 0.14 and later versions

将表写入Avro文件

All Hive versions

Hive 0.14 and later

Avro文件扩展名

指定表的Avro模式

Use avro.schema.url

Use schema.literal and embed the schema in the create statement

Use avro.schema.literal and pass the schema into the script

Use none to ignore either avro.schema.literal or avro.schema.url

HBase 集成

Parquet

HiveQL Syntax

JsonSerDe

CSV Serde

使用

版本

ORC

--------------------

# AvroSerDe #

## 概述 ##

AvroSerde 允许用户以 Hive 表的形式读写Avro数据。AvroSerde 的要点：

*  从 Avro 模式推断 Hive 表的模式。从Hive 0.14开始，Avro 模式可以从 Hive 表模式中推断出来。
 *  根据指定的模式读取表中的所有Avro文件，利用Avro的向后兼容性
 *  支持任意嵌套模式。
 *  将所有 Avro 数据类型转换为等效的Hive类型。大多数类型映射精确，但有些 Avro 类型不存在于 Hive 中，由 AvroSerde 自动转换。
 *  理解压缩的Avro文件。
 *  透明地将处理可空类型(如Union\[T, null\])的Avro惯例转换为仅T，并在适当时返回null。
 *  将任何 Hive 表写入 Avro 文件。
 *  在我们的 ETL 过程中对我们最复杂的 Avro 模式进行了可靠的加工。
 *  从Hive 0.14开始，可以使用 Alter table 语句将列添加到 Avro 支持的Hive表中。

## 使用需求 ##

AvroSerde 已经在 Hive 0.9.1和更高版本下进行了构建和测试，并使用 Avro 1.7.5作为 Hive 0.13和0.14的基础。

<table> 
 <tbody> 
 <tr> 
 <td>Hive版本</td> 
 <td>Avro版本</td> 
 </tr> 
 <tr> 
 <td>Hive 0.9.1</td> 
 <td>Avro 1.5.3</td> 
 </tr> 
 <tr> 
 <td>Hive 0.10, 0.11, and 0.12</td> 
 <td>Avro 1.7.1</td> 
 </tr> 
 <tr> 
 <td>Hive 0.13 and 0.14</td> 
 <td>Avro 1.7.5</td> 
 </tr> 
 </tbody> 
</table>

## Avro 到 Hive 类型转换 ##

虽然大多数Avro类型直接转换为等效的Hive类型，但也有一些在Hive中不存在的类型被转换为合理的等效类型。此外，AvroSerde特殊情况下的工会为空和另一种类型，如下所述：

<table> 
 <tbody> 
 <tr> 
 <td style="width:102px;">Avro类型</td> 
 <td style="width:111px;">Hive类型</td> 
 <td style="width:636px;">&nbsp;</td> 
 </tr> 
 <tr> 
 <td style="width:102px;"> null </td> 
 <td style="width:111px;"> void </td> 
 <td style="width:636px;">&nbsp;</td> 
 </tr> 
 <tr> 
 <td style="width:102px;"> boolean </td> 
 <td style="width:111px;"> boolean </td> 
 <td style="width:636px;">&nbsp;</td> 
 </tr> 
 <tr> 
 <td style="width:102px;"> int </td> 
 <td style="width:111px;"> int </td> 
 <td style="width:636px;">&nbsp;</td> 
 </tr> 
 <tr> 
 <td style="width:102px;"> long </td> 
 <td style="width:111px;"> bigint </td> 
 <td style="width:636px;">&nbsp;</td> 
 </tr> 
 <tr> 
 <td style="width:102px;"> float </td> 
 <td style="width:111px;"> float </td> 
 <td style="width:636px;">&nbsp;</td> 
 </tr> 
 <tr> 
 <td style="width:102px;"> double </td> 
 <td style="width:111px;"> double </td> 
 <td style="width:636px;">&nbsp;</td> 
 </tr> 
 <tr> 
 <td style="width:102px;"> bytes </td> 
 <td style="width:111px;"> binary </td> 
 <td style="width:636px;">在Hive 0.12.0之前，字节被转换为数组[smallint]。</td> 
 </tr> 
 <tr> 
 <td style="width:102px;"> string </td> 
 <td style="width:111px;"> string </td> 
 <td style="width:636px;">&nbsp;</td> 
 </tr> 
 <tr> 
 <td style="width:102px;"> record </td> 
 <td style="width:111px;"> struct </td> 
 <td style="width:636px;">&nbsp;</td> 
 </tr> 
 <tr> 
 <td style="width:102px;"> map </td> 
 <td style="width:111px;"> map </td> 
 <td style="width:636px;">&nbsp;</td> 
 </tr> 
 <tr> 
 <td style="width:102px;"> list </td> 
 <td style="width:111px;"> array </td> 
 <td style="width:636px;">&nbsp;</td> 
 </tr> 
 <tr> 
 <td style="width:102px;"> union </td> 
 <td style="width:111px;"> union </td> 
 <td style="width:636px;">[T, null]的联合透明地转换为可空的T，其他类型直接转换为Hive的这些类型的联合。然而，联合是在Hive 7中引入的，目前还不能在where/group-by语句中使用。它们实际上只是“看”。因为AvroSerde透明地将[T,null]转换为可空的T，所以这个限制只适用于多个类型的联合，或者不适用单个类型的联合和null。</td> 
 </tr> 
 <tr> 
 <td style="width:102px;"> enum </td> 
 <td style="width:111px;"> string </td> 
 <td style="width:636px;">Hive没有enum的概念。</td> 
 </tr> 
 <tr> 
 <td style="width:102px;"> fixed </td> 
 <td style="width:111px;"> binary </td> 
 <td style="width:636px;">Fixeds在Hive 0.12.0之前转换为Array[smallint]。</td> 
 </tr> 
 </tbody> 
</table>

## 创建avro支持的Hive表 ##

avro 支持的表可以在 Hive 中使用 AvroSerDe 创建。

### All Hive versions ###

要创建一个avro支持的表，将serde指定为org.apache.hadoop.hive.serde2.avro。AvroSerDe，将inputformat指定为org.apache.hadoop.hive.ql.io.avro。AvroContainerInputFormat，输出格式为org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat。还提供一个位置，AvroSerde将从中提取表的最新模式。例如：

CREATE TABLE kst
      PARTITIONED BY (ds string)
      ROW FORMAT SERDE
      'org.apache.hadoop.hive.serde2.avro.AvroSerDe'
      STORED AS INPUTFORMAT
      'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat'
      OUTPUTFORMAT
      'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat'
      TBLPROPERTIES (
        'avro.schema.url'='http://schema_provider/kst.avsc');

在本例中，我们从一个web服务器提取了模式信息。下面描述了提供模式的其他选项。

使用标准的Hive操作(http://wiki.apache.org/hadoop/Hive/LanguageManual/DML)将Avro文件添加到数据库中(或创建一个外部表)。

该表可得出如下说明：

hive> describe kst;
 OK
 string1 string from deserializer
 string2 string from deserializer
 int1 int from deserializer
 boolean1 boolean from deserializer
 long1 bigint from deserializer
 float1 float from deserializer
 double1 double from deserializer
 inner_record1 struct<int_in_inner_record1:int,string_in_inner_record1:string> from deserializer
 enum1 string from deserializer
 array1 array<string> from deserializer
 map1 map<string,string> from deserializer
 union1 uniontype<float,boolean,string> from deserializer
 fixed1 binary from deserializer
 null1 void from deserializer
 unionnullint int from deserializer
 bytes1 binary from deserializer

此时，avro 支持的表可以像其他表一样在 Hive 中使用。

### Hive 0.14 and later versions ###

从Hive 0.14开始，AVRO 支持的表可以简单地通过在 DDL 语句中使用“STORED AS AVRO”来创建。AvroSerDe 负责从 Hive 表模式创建适当的 Avro 模式，这是在 Hive中Avro 可用性方面的一大优化。

CREATE TABLE kst (
 string1 string,
 string2 string,
 int1 int,
 boolean1 boolean,
 long1 bigint,
 float1 float,
 double1 double,
 inner_record1 struct<int_in_inner_record1:int,string_in_inner_record1:string>,
 enum1 string,
 array1 array<string>,
 map1 map<string,string>,
 union1 uniontype<float,boolean,string>,
 fixed1 binary,
 null1 void,
 unionnullint int,
 bytes1 binary)
 PARTITIONED BY (ds string)
 STORED AS AVRO;

该表可得出如下描述说明：

## 将表写入Avro文件 ##

AvroSerde 可以将任何 Hive 表序列化为 Avro 文件。这使得它成为一个有效的任何分组类型的 Avro 转换器。为了将表写入 Avro 文件，您必须首先创建一个适当的 Avro 模式(Hive 0.14.0及以后版本除外，如下所述)。当前不支持创建 select 类型语句。

类型转换如上表所示。对于不能直接翻译的类型，有几项需要记住：

*  可能为空的类型必须定义为该类型与 Avro 中的null的联合。未如此定义的字段中的null将在保存期间导致异常。不需要对Hive模式进行任何更改来支持这一点，因为 Hive 中的所有字段都可以为空。
 *  Avro 字节类型应该在 Hive 中定义为小int的列表。AvroSerde将在保存过程中将这些转换为字节。
 *  Avro 固定类型应该在 Hive 中定义为小int的列表。AvroSerde将在保存过程中将这些转换为Fixed。
 *  Avro 枚举类型应该在 Hive 中定义为字符串，因为Hive没有枚举的概念。确保表中只有有效的enum值—尝试保存未定义的enum将导致异常。

Hive 对类型非常宽容:它将尝试将与提供的列匹配的值存储在新表的等效列位置。例如，对列名不进行匹配。因此，查询作者有责任确保目标列类型是正确的。如果不是，Avro 可能接受该类型或抛出异常;这取决于类型的特定组合。

考虑下面的Hive表，它涵盖了所有类型的Hive数据类型，使它成为一个很好的例子：

CREATE TABLE test_serializer(string1 STRING,
 int1 INT,
 tinyint1 TINYINT,
 smallint1 SMALLINT,
 bigint1 BIGINT,
 boolean1 BOOLEAN,
 float1 FLOAT,
 double1 DOUBLE,
 list1 ARRAY<STRING>,
 map1 MAP<STRING,INT>,
 struct1 STRUCT<sint:INT,sboolean:BOOLEAN,sstring:STRING>,
 union1 uniontype<FLOAT, BOOLEAN, STRING>,
 enum1 STRING,
 nullableint INT,
 bytes1 BINARY,
 fixed1 BINARY)
 ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' COLLECTION ITEMS TERMINATED BY ':' MAP KEYS TERMINATED BY '#' LINES TERMINATED BY '\n'
 STORED AS TEXTFILE;

如果表格由csv档案支援，例如：

<table> 
 <tbody> 
 <tr> 
 <td> why hello there </td> 
 <td> 42 </td> 
 <td> 3 </td> 
 <td> 100 </td> 
 <td> 1412341 </td> 
 <td> true </td> 
 <td> 42.43 </td> 
 <td> 85.23423424 </td> 
 <td> alpha:beta:gamma </td> 
 <td> Earth#42:Control#86:Bob#31 </td> 
 <td> 17:true:Abe Linkedin </td> 
 <td> 0:3.141459 </td> 
 <td> BLUE </td> 
 <td> 72 </td> 
 <td> ^A^B^C </td> 
 <td> ^A^B^C </td> 
 </tr> 
 <tr> 
 <td> another record </td> 
 <td> 98 </td> 
 <td> 4 </td> 
 <td> 101 </td> 
 <td> 9999999 </td> 
 <td> false </td> 
 <td> 99.89 </td> 
 <td> 0.00000009 </td> 
 <td> beta </td> 
 <td> Earth#101 </td> 
 <td> 1134:false:wazzup </td> 
 <td> 1:true </td> 
 <td> RED </td> 
 <td> NULL </td> 
 <td> ^D^E^F^G </td> 
 <td> ^D^E^F </td> 
 </tr> 
 <tr> 
 <td> third record </td> 
 <td> 45 </td> 
 <td> 5 </td> 
 <td> 102 </td> 
 <td> 999999999 </td> 
 <td> true </td> 
 <td> 89.99 </td> 
 <td> 0.00000000000009 </td> 
 <td> alpha:gamma </td> 
 <td> Earth#237:Bob#723 </td> 
 <td> 102:false:BNL </td> 
 <td> 2:Time to go home </td> 
 <td> GREEN </td> 
 <td> NULL </td> 
 <td> ^H </td> 
 <td> ^G^H^I </td> 
 </tr> 
 </tbody> 
</table>

然后你可以把它写出来，Avro如下所述。

### All Hive versions ###

为了将该表保存为Avro文件，创建一个等价的Avro模式(记录的名称空间和实际名称并不重要)：

{
      "namespace": "com.linkedin.haivvreo",
      "name": "test_serializer",
      "type": "record",
      "fields": [
        { "name":"string1", "type":"string" },
        { "name":"int1", "type":"int" },
        { "name":"tinyint1", "type":"int" },
        { "name":"smallint1", "type":"int" },
        { "name":"bigint1", "type":"long" },
        { "name":"boolean1", "type":"boolean" },
        { "name":"float1", "type":"float" },
        { "name":"double1", "type":"double" },
        { "name":"list1", "type":{"type":"array", "items":"string"} },
        { "name":"map1", "type":{"type":"map", "values":"int"} },
        { "name":"struct1", "type":{"type":"record", "name":"struct1_name", "fields": [
              { "name":"sInt", "type":"int" }, { "name":"sBoolean", "type":"boolean" }, { "name":"sString", "type":"string" } ] } },
        { "name":"union1", "type":["float", "boolean", "string"] },
        { "name":"enum1", "type":{"type":"enum", "name":"enum1_values", "symbols":["BLUE","RED", "GREEN"]} },
        { "name":"nullableint", "type":["int", "null"] },
        { "name":"bytes1", "type":"bytes" },
        { "name":"fixed1", "type":{"type":"fixed", "name":"threebytes", "size":3} }
      ] }

然后你可以写出来的Avro与：

CREATE TABLE as_avro
      ROW FORMAT SERDE
      'org.apache.hadoop.hive.serde2.avro.AvroSerDe'
      STORED as INPUTFORMAT
      'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat'
      OUTPUTFORMAT
      'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat'
      TBLPROPERTIES (
        'avro.schema.url'='file:///path/to/the/schema/test_serializer.avsc');
      
    INSERT OVERWRITE TABLE as_avro SELECT * FROM test_serializer;

### Hive 0.14 and later ###

在 Hive版本0.14或更高版本中，您不需要手动创建Avro模式。上面所示的将表保存为 Avro 文件的过程简化为 DDL 语句，然后插入到表中。

CREATE TABLE as_avro(string1 STRING,
 int1 INT,
 tinyint1 TINYINT,
 smallint1 SMALLINT,
 bigint1 BIGINT,
 boolean1 BOOLEAN,
 float1 FLOAT,
 double1 DOUBLE,
 list1 ARRAY<STRING>,
 map1 MAP<STRING,INT>,
 struct1 STRUCT<sint:INT,sboolean:BOOLEAN,sstring:STRING>,
 union1 uniontype<FLOAT, BOOLEAN, STRING>,
 enum1 STRING,
 nullableint INT,
 bytes1 BINARY,
 fixed1 BINARY)
 STORED AS AVRO;
 INSERT OVERWRITE TABLE as_avro SELECT * FROM test_serializer;

### Avro文件扩展名 ###

由Hive作业写入的文件是有效的Avro文件，但是MapReduce没有添加标准的. Avro扩展名。如果您将这些文件复制出来，您可能希望用.avro重命名它们。

## 指定表的Avro模式 ##

有三种方法可以为Avro表提供reader模式，它们都涉及到serde的参数。随着模式的发展，您可以通过更新表中的参数来更新这些值。

### Use avro.schema.url ###

指定访问模式的 URL。对于http模式，这适用于测试和小型集群，但由于该模式将从作业中的每个任务至少访问一次，因此这可能很快将该作业转换为针对URL提供程序(例如，web服务器)的DDOS攻击。在测试之外的任何情况下使用此参数时都要小心。

模式还可以指向 HDFS 上的一个位置，例如:HDFS://your-nn:9000/path/to/avsc/file。AvroSerde 随后将从 HDFS 读取文件，这将提供一次多次读取的弹性。注意，serde 将从每个映射器读取这个文件，因此最好将模式文件的复制转换为高值，以便为读者提供良好的局部性。模式文件本身应该相对较小，因此不会给流程增加大量的开销。

### Use schema.literal and embed the schema in the create statement ###

您可以将模式直接嵌入到 create 语句中。如果模式没有任何单引号(或者它们被适当地转义)，这就可以工作，因为Hive使用这个来定义参数值。例如：

CREATE TABLE embedded
      COMMENT "just drop the schema right into the HQL"
      ROW FORMAT SERDE
      'org.apache.hadoop.hive.serde2.avro.AvroSerDe'
      STORED AS INPUTFORMAT
      'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat'
      OUTPUTFORMAT
      'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat'
      TBLPROPERTIES (
        'avro.schema.literal'='{
          "namespace": "com.howdy",
          "name": "some_schema",
          "type": "record",
          "fields": [ { "name":"string1","type":"string"}]
        }');

注意，该值用单引号括起来，并粘贴到create语句中。

### Use avro.schema.literal and pass the schema into the script ###

Hive可以进行简单的变量替换，可以将嵌入在变量中的模式传递给脚本。注意，要做到这一点，模式必须完全转义(将回车转换为\\n，将制表符转换为\\t，将引号转义，等等)。一个例子：

set hiveconf:schema;
    DROP TABLE example;
    CREATE TABLE example
      ROW FORMAT SERDE
      'org.apache.hadoop.hive.serde2.avro.AvroSerDe'
      STORED AS INPUTFORMAT
      'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat'
      OUTPUTFORMAT
      'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat'
      TBLPROPERTIES (
        'avro.schema.literal'='${hiveconf:schema}');

要执行这个脚本文件，假设$SCHEMA被定义为转义的模式值：

hive --hiveconf schema="${SCHEMA}" -f your_script_file.sql

注意，$SCHEMA内插到引号中以正确处理模式中的空格。

### Use none to ignore either avro.schema.literal or avro.schema.url ###

Hive 不提供取消设置或删除属性的简单方法。如果您希望从使用URL或模式切换到使用另一种模式，请将要忽略的值设置为none, AvroSerde 会将其视为未设置值。

## HBase 集成 ##

Hive 0.14.0向前支持在HBase列中存储和查询Avro对象，方法是将它们作为结构显示到Hive中。这使得Hive可以执行HBase数据的特别分析，这些数据可以被深度结构化。在0.14.0之前，HBase Hive集成只支持在列中查询基本数据类型。有关详细信息，请参阅存储在HBase列中的Avro数据。（[https://cwiki.apache.org/confluence/display/Hive/HBaseIntegration\#HBaseIntegration-AvroDataStoredinHBaseColumns][https_cwiki.apache.org_confluence_display_Hive_HBaseIntegration_HBaseIntegration-AvroDataStoredinHBaseColumns]）

**如果出了问题**

Hive 倾向于不打印异常，从 AvroSerde 发生在作业提交之前。要强制Hive变得更详细，可以用\***hive --hiveconf hive.root.logger=INFO,console**\*启动，它将向控制台输出数量级的更多信息，并可能包含 AvroSerde 试图向您提供的关于出错原因的任何信息。

如果 AvroSerde 在 MapReduce 过程中遇到错误，将在失败的任务日志中提供堆栈跟踪，可以从 JobTracker 的web接口检查该日志。AvroSerde 只发出 AvroSerdeException；寻找这些。请在任何错误报告中包括这些。最常见的情况是在试图从 Avro 所期望的类型序列化不兼容类型时发生异常。

# Parquet #

## HiveQL Syntax ##

Hive 0.10 - 0.12

CREATE TABLE parquet_test (
 id int,
 str string,
 mp MAP<STRING,STRING>,
 lst ARRAY<STRING>,
 strct STRUCT<A:STRING,B:STRING>) 
 PARTITIONED BY (part string)
 ROW FORMAT SERDE 'parquet.hive.serde.ParquetHiveSerDe'
 STORED AS
 INPUTFORMAT 'parquet.hive.DeprecatedParquetInputFormat'
 OUTPUTFORMAT 'parquet.hive.DeprecatedParquetOutputFormat';

**Hive 0.13 and later**

CREATE TABLE parquet_test (
 id int,
 str string,
 mp MAP<STRING,STRING>,
 lst ARRAY<STRING>,
 strct STRUCT<A:STRING,B:STRING>) 
 PARTITIONED BY (part string)
 STORED AS PARQUET;

# JsonSerDe #

以 JSON 格式存储为纯文本文件。

用于 JSON文件的 JsonSerDe在Hive 0.12及更高版本中可用。

在一些发行版中，需要对hive-hcatalog-core.jar的引用。

ADD JAR /usr/lib/hive-hcatalog/lib/hive-hcatalog-core.jar;

**HiveSQL语法**

CREATE TABLE my_table(a string, b bigint, ...)
    ROW FORMAT SERDE 'org.apache.hive.hcatalog.data.JsonSerDe'
    STORED AS TEXTFILE;

从Hive 3.0.0开始，JsonSerDe作为“org.apache.hadoop.hive.serde2”添加到Hive Serde中。

CREATE TABLE my_table(a string, b bigint, ...)
    ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.JsonSerDe'
    STORED AS TEXTFILE;

或者在Hive 4.0.0 (Hive -19899)中支持存储为JSONFILE，所以您可以创建如下表：

CREATE TABLE my_table(a string, b bigint, ...) STORED AS JSONFILE;

# [CSV Serde][] #

## 使用 ##

这个 SerDe 适用于大多数CSV数据，但不处理嵌入的换行。要使用SerDe，请指定完全限定类名org.apache.hadoop.hive.serde2.OpenCSVSerde。

创建表，指定CSV属性：

CREATE TABLE my_table(a string, b string, ...)
    ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
    WITH SERDEPROPERTIES (
       "separatorChar" = "\t",
       "quoteChar"     = "'",
       "escapeChar"    = "\\"
    )  
    STORED AS TEXTFILE;

如果未指定，则使用默认分隔符、引号和转义字符

DEFAULT_ESCAPE_CHARACTER \
    DEFAULT_QUOTE_CHARACTER  "
    DEFAULT_SEPARATOR        ,

## 版本 ##

CSVSerde 已经在 Hive 0.14及更高版本下构建和测试，并使用与 Hive 发行版绑定的 Open-CSV 2.3。

<table> 
 <tbody> 
 <tr> 
 <td>Hive Versions</td> 
 <td>Open-Csv Version</td> 
 </tr> 
 <tr> 
 <td>Hive 0.14 and later</td> 
 <td>2.3</td> 
 </tr> 
 </tbody> 
</table>

# ORC #

见：[hive压缩][hive]

原文地址：

[https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL\#LanguageManualDDL-RowFormats&SerDe][https_cwiki.apache.org_confluence_display_Hive_LanguageManual_DDL_LanguageManualDDL-RowFormats_SerDe]

[https://cwiki.apache.org/confluence/display/Hive/AvroSerDe][https_cwiki.apache.org_confluence_display_Hive_AvroSerDe]

[https_cwiki.apache.org_confluence_display_Hive_HBaseIntegration_HBaseIntegration-AvroDataStoredinHBaseColumns]: https://cwiki.apache.org/confluence/display/Hive/HBaseIntegration#HBaseIntegration-AvroDataStoredinHBaseColumns
[CSV Serde]: https://cwiki.apache.org/confluence/display/Hive/CSV+Serde
[hive]: https://blog.csdn.net/zpf_940810653842/article/details/103567240#LanguageManualORC-ORCFiles
[https_cwiki.apache.org_confluence_display_Hive_LanguageManual_DDL_LanguageManualDDL-RowFormats_SerDe]: https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL#LanguageManualDDL-RowFormats&SerDe
[https_cwiki.apache.org_confluence_display_Hive_AvroSerDe]: https://cwiki.apache.org/confluence/display/Hive/AvroSerDe