2.x形式でフォーマットされた大量のHL7メッセージを処理しています。形式はパイプ区切り形式であり、各形式はおおよそ次のようになります(ダミーデータ)。
MSH|^~\&|EPIC|EPICADT|SMS|SMSADT|199912271408|CHARRIS|ADT^A04|1817457|D|2.5|
PID||0493575^^^2^ID 1|454721||DOE^JOHN^^^^|DOE^JOHN^^^^|19480203|M||B|254 MYSTREET AVE^^MYTOWN^OH^44123^USA||(216)123-4567|||M|NON|400003403~1129086|
NK1||ROE^MARIE^^^^|SPO||(216)123-4567||EC|||||||||||||||||||||||||||
PV1||O|168 ~219~C~PMA^^^^^^^^^||||277^ALLEN MYLASTNAME^BONNIE^^^^|||||||||| ||2688684|||||||||||||||||||||||||199912271408||||||002376853
Hiveなどを使用して、このデータの大規模なクエリ/調査を行いたいと思います。最初に、HParserまたは同様のものを使用して、このデータをより多くのテーブル形式にフラット化する必要がありますか?または、カスタムSerDerまたはInputFormatを介してこれをクエリできるようにHiveを拡張する価値はありますか?