hadoop - 如何从Twitter阅读Flume生成的数据文件

我已经在HDFS上使用flume生成了一些twitter数据日志文件，日志文件的实际格式是什么？我期待的是json格式的数据。但是看起来
this。有人可以帮助我如何读取此数据吗？或我这样做的方式有什么问题

最佳答案

从此链接http://files.cloudera.com/samples/hive-serdes-1.0-SNAPSHOT.jar下载文件(hive-serdes-1.0-SNAPSHOT.jar)

然后将此文件放在$ HIVE_HOME / lib中
将 jar 放入 hive 壳

hive> ADD JAR file:///home/hadoop/work/hive-0.10.0/lib/hive-serdes-1.0-SNAPSHOT.jar

在配置单元中创建表

hive> CREATE TABLE tweets (
id BIGINT,
created_at STRING,
source STRING,
favorited BOOLEAN,
retweeted_status STRUCT<
text:STRING,
user:STRUCT<screen_name:STRING,name:STRING>,
retweet_count:INT>,
entities STRUCT<
urls:ARRAY<STRUCT<expanded_url:STRING>>,
user_mentions:ARRAY<STRUCT<screen_name:STRING,name:STRING>>,
hashtags:ARRAY<STRUCT<text:STRING>>>,
text STRING,
user STRUCT<
screen_name:STRING,
name:STRING,
friends_count:INT,
followers_count:INT,
statuses_count:INT,
verified:BOOLEAN,
utc_offset:INT,
time_zone:STRING>,
in_reply_to_screen_name STRING
)
ROW FORMAT SERDE 'com.cloudera.hive.serde.JSONSerDe';

从hdfs将数据加载到表中

hive> load data inpath '/home/hadoop/work/flumedata' into table tweets;

现在分析这张表的推特数据

hive> select id,text,user from tweets;

您已经完成，但是它是反序列化的数据，现在可以从配置单元表进行序列化。

关于hadoop - 如何从Twitter阅读Flume生成的数据文件，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/35809205/