テキスト/CSV/JSON

このドキュメントはDorisでのテキストファイル形式の読み書きサポートについて紹介します。

Text/CSV

• Catalog

  org.apache.hadoop.mapred.TextInputFormat形式のHiveテーブルの読み取りをサポートします。

  以下のSerDeをサポートします：

  • org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
  • org.apache.hadoop.hive.serde2.OpenCSVSerde (2.1.7以降)
  • org.apache.hadoop.hive.serde2.MultiDelimitSerDe (3.1.0以降)

• Table Valued Function

• Import

  インポート機能はText/CSV形式をサポートします。詳細はインポートドキュメントを参照してください。

• Export

  エクスポート機能はText/CSV形式をサポートします。詳細はエクスポートドキュメントを参照してください。

サポートされている圧縮形式

• uncompressed
• gzip
• deflate
• bzip2
• zstd
• lz4
• snappy
• lzo

JSON

Catalog

• org.apache.hadoop.hive.serde2.JsonSerDe (3.0.4以降)

• org.apache.hive.hcatalog.data.JsonSerDe (3.0.4以降)

  1. プリミティブ型と複合型の両方をサポートします。
  2. timestamp.formats SERDEPROPERTIESはサポートしません。

• org.openx.data.jsonserde.JsonSerDeのHiveテーブル (3.0.6以降)

  1. プリミティブ型と複合型の両方をサポートします。
  2. SERDEPROPERTIES: ignore.malformed.jsonのみサポートされ、このJsonSerDeと同様に動作します。その他のSERDEPROPERTIESは有効ではありません。
  3. Using Arraysはサポートしません（Text/CSV形式と同様で、すべての列データが単一の配列に配置されます）。
  4. Promoting a Scalar to an Arrayはサポートしません（スカラーを単一要素配列に昇格）。
  5. デフォルトでは、Dorisはテーブルスキーマを正しく認識できます。ただし、特定のパラメータのサポート不足により、自動スキーマ認識が失敗する場合があります。この場合、read_hive_json_in_one_column = trueを設定して、JSONの行全体を最初の列に配置することで、元のデータを完全に読み取れるようになります。ユーザーは手動で処理できます。この機能には最初の列のデータ型がStringである必要があります。

Import

インポート機能はJSON形式をサポートします。詳細はインポートドキュメントを参照してください。

文字セット

現在、DorisはUTF-8文字セットエンコーディングのみをサポートしています。ただし、HiveのText形式のテーブル内のデータなど、一部のデータにはUTF-8以外のエンコーディングで符号化されたコンテンツが含まれている場合があり、読み取りに失敗して以下のエラーが発生します：

Only support csv data in utf8 codec

この場合、セッション変数を以下のように設定できます：

SET enable_text_validate_utf8 = false

これにより UTF-8 エンコーディングチェックが無視され、このコンテンツを読み取ることができます。このパラメータはチェックをスキップするためにのみ使用され、UTF-8 以外でエンコードされたコンテンツは依然として文字化けして表示されることに注意してください。

このパラメータはバージョン 3.0.4 以降でサポートされています。