【基础】【flink sql】hdfs到hive的逻辑处理一:通过正则解析日志数据

发布时间:2026/11/3 9:10:11
【基础】【flink sql】hdfs到hive的逻辑处理一:通过正则解析日志数据 文章目录一、需求描述二、实现1. 主要连接器依赖2. udf正则获取字段数据3. sql一、需求描述通过正则获取HDFS log日志中指定字段的数据并输出到HIVE表中。flink版本1.12.7。二、实现1. 主要连接器依赖!-- filesystem连接器 --dependencygroupIdorg.apache.flink/groupIdartifactIdflink-connector-files/artifactIdversion${flink.version}/version/dependencydependencygroupIdorg.apache.flink/groupIdartifactIdflink-csv/artifactIdversion${flink.version}/version/dependency2. udf正则获取字段数据packagecom.gao.function;importorg.apache.flink.table.annotation.DataTypeHint;importorg.apache.flink.table.annotation.FunctionHint;importorg.apache.flink.table.functions.TableFunction;importorg.apache.flink.types.Row;importorg.apache.flink.types.RowKind;importjava.util.ArrayList;importjava.util.List;importjava.util.regex.Matcher;importjava.util.regex.Pattern;publicclassRegexpExtractTupleUdfextendsTableFunctionRow{FunctionHint(outputDataTypeHint(ROWarr ARRAYSTRING))publicvoideval(Stringraw,Stringpattern){if(rawnull||patternnull){return;}ListStringlistnewArrayList();PatternrPattern.compile(pattern);Matchermr.matcher(raw);if(m.find()){for(inti1;im.groupCount();i){list.add(m.group(i));}}String[]arrlist.toArray(newString[0]);RowKindrowKindRowKind.fromByteValue((byte)0);RowrownewRow(rowKind,1);row.setField(0,arr);collect(row);}}3. sqlCREATETEMPORARYSYSTEMFUNCTIONregexp_extract_tupleAScom.gao.function.RegexpExtractTupleUdf;CREATETABLEsource(raw_messagestring)WITH(connectorfilesystem,pathhdfs:xxx,formatraw);CREATETABLEsink(gifstring,refererstring,midstring)WITH(connectorfilesystem,pathhdfs://xxx,formatcsv,csv.field-delimiter\t,--字段分隔符用于hive字段识别使用\tcsv.disable-quote-charactertrue,--字符串类型的数据不加双引号输出csv.null-literalnull-- 数据为空是 输出为null);CREATETEMPORARYVIEWsource_1ASselectraw_message,REGEXP_EXTRACT(raw_message,(\?||)gif([^ \]*),2)asgif-- 通过正则取gif字段内容,REGEXP_EXTRACT(raw_message,(\?||)_referer([^ \]*),2)asreferer,REGEXP_EXTRACT(raw_message,(\?||)mid([^ \]*),2)asmidfromsource S;insertintosinkselectgifasgif,refererasreferer,midasmidfromsource_1;

关于本文作者

来自尧图内容编辑团队

尧图内容编辑团队 内容团队

尧图内容编辑团队

本文由尧图网络内容编辑团队执笔。团队由资深项目经理、前端工程师与设计师组成,所有内容均来自亲手交付的真实项目,先讲清问题、再给出可落地的解法。尧图深耕北京网站建设十年,服务过京华建材集团、智造科技等各行业客户,把一线经验沉淀为可复用的行业观察。

  • 十年建站经验,覆盖建材、制造、服务、文创等
  • 项目经理把关选题与事实准确性
  • 工程师与设计师联合撰写专业细节
  • 统一编辑规范,保证文风与排版一致
  • 每月复盘转化数据,迭代选题方向

延伸阅读

相关资讯与近期热门内容

深度阅读推荐

建站决策前值得细读的三篇

网站改版的5个关键决策
2024-08-12

网站改版的5个关键决策

什么时候该改版、改到什么程度、如何避免流量掉光,京华建材集团改版复盘给出答案。

获取专属建站方案

看完文章,把您的行业与预算告诉我们,免费获取一份量身定制的官网建设方案与报价。

立即免费咨询