Text/CSV/JSON

この文書では、Dorisにおけるテキストファイルフォーマットの読み書きサポートについて説明します。

Text/CSV

• カタログ

  org.apache.hadoop.mapred.TextInputFormatフォーマットのHiveTable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 ファンクション

• Import

  インポート機能はText/CSVフォーマットをサポートします。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フォーマットをサポートします。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フォーマット

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

JSON

カタログ

• 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はサポートしていません。

• org.openx.data.jsonserde.JsonSerDeのHiveTable（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のみをサポートし、このJsonSerDeと同じ動作をします。その他のSERDEPROPERTIESは効果がありません。
  3. Using Arraysはサポートしていません（Text/CSVフォーマットと同様に、すべての列データが単一の配列に配置される）。
  4. Promoting a Scalar to an Arrayはサポートしていません（スカラーを単一要素配列に昇格させる）。
  5. デフォルトでは、DorisはTable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を設定することで、JSON行全体を最初の列に配置し、元のデータを完全に読み取ることができます。その後、ユーザーが手動で処理できます。この機能を使用するには、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フォーマットをサポートします。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 TextフォーマットTableのデータなど、一部のデータには非UTF-8エンコーディングでエンコードされたコンテンツが含まれる場合があり、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

これはUTF-8エンコーディングチェックを無視し、このコンテンツを読み込むことを可能にします。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。