专栏首页数据社Hive SQL使用过程中的奇怪现象|避坑指南

Hive SQL使用过程中的奇怪现象|避坑指南

hive是基于Hadoop的一个数据仓库工具,用来进行数据的ETL,这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。hive能将结构化的数据文件映射为一张数据库表,并提供SQL查询功能。Hive SQL是一种类SQL语言,与关系型数据库所支持的SQL语法存在微小的差异。本文对比MySQL和Hive所支持的SQL语法,发现相同的SQL语句在Hive和MySQL中输出结果的会有所不同。

两个整数除

除法是SQL引擎难以解释的算术运算。如果将两个整数相加,相减或相乘,则始终会得到一个整数。值得注意的是,如果将两个整数相除,不同的SQL查询引擎输出的结果不尽相同。在Hive和MySQL中,运算两个整数相除,输出的结果都是decimal类型。

-- Hive中查询
select 10/3       -- 输出:3.3333333333333335
-- 在MySQL中查询
select 10/3       -- 输出:3.3333

如果使用下面的方式,则会返回整形类型

-- Hive中查询
select 10 div 3       -- 输出:3
-- 在MySQL中查询
select 10 div 3       -- 输出:3

区分大小写

当我们比较两个字符串时,在不同的SQL引擎会产生不同的结果。需要注意的是,在字符串比较中,Apache Hive是区分大小写,看下面的例子。

-- Hive中查询
select 'Bigdata' = 'bigdata'   -- 输出false
-- 在MySQL中查询
select 'Bigdata' = 'bigdata'  -- 输出1

可以看出:相同的SQL语句,如果使用MySQL,则同一查询将返回1,因为在进行字符串比较时MySQL不区分大小写。这意味着只要它们具有相同的字母,MySQL便会将两个字符串解释为相同的字符串。

我们再来看一下另外一个现象,当我们把表名写成大写的,会出现什么现象呢?

这取决于所使用的SQL引擎,在引用数据库中的表时需要注意区分大小写。如果使用Hive,则在引用表时无需担心大小写,因为它们始终将字母转换为小写字母。但是在MySQL中会报1146 - Table 'XX' doesn't exist的错误。

-- 假设Hive、MySQL中有一张test表
-- 在Hive中查询
select * from Test   -- 正常输出结果
-- 在MySQL中查询
select * from Test   -- 报错:1146 - Table 'Test' doesn't exist

在GROUP BY中使用别名

假设有如下查询:

-- 使用别名,在Hive中查询
-- 报错Error while compiling statement: FAILED: SemanticException [Error 10004]: line 7:9 Invalid table alias or column reference 'inventory_status': (possible column names are: userid, visitdate, visitcount)
SELECT CASE
           WHEN visicount > 5 THEN "more than 5"
           ELSE "less than 5"
       END AS inventory_status,
       count(*) AS cnt
FROM test
GROUP BY inventory_status

-- 不使用别名,如果使用下面的语句,则会正常输出结果
SELECT CASE
           WHEN visitcount > 5 THEN "more than 5"
           ELSE "less than 5"
       END AS inventory_status,
       count(*) AS cnt
FROM test
GROUP BY CASE
           WHEN visitcount > 5 THEN "more than 5"
           ELSE "less than 5"
       END

相同的查询语句在MySQL中进行查询,会正常输出结果。

非数值类型的字符串转为数值类型

使用SQL,我们可以使用CAST命令转换表中列的数据类型。如果要将字符串列转换为整数,可以执行以下操作。

SELECT CAST(column_name AS INT) FROM table_name

那么,如果我们将一个非数值类型的字符串转为数值类型,会出现什么样的结果呢?

-- 在Hive中查询
select cast("bigdata" as int) -- 返回null
-- 在MySQL中查询
select cast("bigdata" as signed int)  -- 返回0

Hive中的视图与SQL查询语句

当我们在Hive中创建视图时,其底层是将视图对应的SQL语句存储到了一张表中的某个字段中,以Hive为例,其元数据中存在下面的一张表:

CREATE TABLE `TBLS` (
  `TBL_ID` bigint(20) NOT NULL,
  `CREATE_TIME` int(11) NOT NULL,
  `DB_ID` bigint(20) DEFAULT NULL,
  `LAST_ACCESS_TIME` int(11) NOT NULL,
  `OWNER` varchar(767) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL,
  `OWNER_TYPE` varchar(10) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL,
  `RETENTION` int(11) NOT NULL,
  `SD_ID` bigint(20) DEFAULT NULL,
  `TBL_NAME` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL,
  `TBL_TYPE` varchar(128) CHARACTER SET latin1 COLLATE latin1_bin DEFAULT NULL,
  `VIEW_EXPANDED_TEXT` mediumtext CHARACTER SET utf8,
  `VIEW_ORIGINAL_TEXT` mediumtext CHARACTER SET utf8,
  `LINK_TARGET_ID` bigint(20) DEFAULT NULL,
  PRIMARY KEY (`TBL_ID`),
  UNIQUE KEY `UNIQUETABLE` (`TBL_NAME`,`DB_ID`),
  KEY `TBLS_N50` (`SD_ID`),
  KEY `TBLS_N49` (`DB_ID`),
  KEY `TBLS_N51` (`LINK_TARGET_ID`),
  CONSTRAINT `TBLS_FK1` FOREIGN KEY (`SD_ID`) REFERENCES `SDS` (`SD_ID`),
  CONSTRAINT `TBLS_FK2` FOREIGN KEY (`DB_ID`) REFERENCES `DBS` (`DB_ID`),
  CONSTRAINT `TBLS_FK3` FOREIGN KEY (`LINK_TARGET_ID`) REFERENCES `TBLS` (`TBL_ID`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1;

上面的这张表存储了Hive中表和视图的元数据信息,如果创建一张视图,则VIEW_EXPANDED_TEXT字段与 VIEW_ORIGINAL_TEXT字段存储了视图对应的SQL语句。

当我们使用下面的SQL语句创建视图或者直接执行时,可能会出现不一样的结果:

create view as select * from test where name like "%大数据"

如果是直接执行SQL语句,则会按照条件筛选出想要的结果。但是,如果是创建视图,则可能不会出现想要的结果。上面提到,视图对应的SQL语句是作为一个字段存储到Hive的元数据中的,对应其中的一张表。如上面的SQL语句,**like "%大数据"**中包含中文,该中文字符会出现乱码现象,即存储到表中时会变成下面的形式:

create view as select * from test where name like "???"

解决上面的问题很简单,只需要修改元数据中该字段的编码即可:

ALTER TABLE `TBLS` MODIFY COLUMN VIEW_EXPANDED_TEXT mediumtext CHARACTER SET utf8;
ALTER TABLE `TBLS` MODIFY COLUMN VIEW_ORIGINAL_TEXT mediumtext CHARACTER SET utf8;

总结

本文分享了Hive使用过程中存在的一些问题,并给出了相对应的示例,我们在使用的过程中可以留意一下这些问题,对比相同的SQL语句在MySQL和Apache Hive上的结果上的不同。

- END -

历史好文推荐

  1. 从0到1搭建大数据平台之计算存储系统
  2. 从0到1搭建大数据平台之调度系统
  3. 从0到1搭建大数据平台之数据采集系统
  4. 如何从0到1搭建大数据平台

本文分享自微信公众号 - 数据社(DataClub)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-09-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 一个数据人的思考

    最近领导和团队沟通,想提高数据建模团队的能力。结合自己工作的经验和朋友的交流,来总结下如何去做。

    数据社
  • kafka实战宝典:手动修改消费偏移量的两种方式

    工作中遇到过消费端报错的问题:包括数据Invalid Message和Failed_to_UNcompress等报错信息,导致消费端的iterator损坏,直接...

    数据社
  • 数据分析师应该了解的数据仓库-数据仓库vs数据库

    说到数据库,我们一般是指传统的关系型数据库,也就是“联机事务处理”(OLTP),主要用户在线交易处理。比如银行业务、电信业务之前很多都是Oracle或者DB2(...

    数据社
  • Activiti 开发案例之数据库表 ACT_HI_IDENTITYLINK

    ACT_HI_IDENTITYLINK:任务参与者历史数据表,主要存储历史节点参与者的信息。

    小柒2012
  • 使用autoc js生成文章目录(侧边)导航栏

    程序员同行者
  • 实践篇 | 推荐系统之矩阵分解模型

    ? 导语:本系列文章一共有三篇,分别是 《科普篇 | 推荐系统之矩阵分解模型》 《原理篇 | 推荐系统之矩阵分解模型》 《实践篇 | 推荐系统之矩阵分解模型》...

    腾讯技术工程官方号
  • 【深度知识】从数据的角度带你深入了解IPFS

    IPFS 和区块链有着非常紧密的联系, 随着区块链的不断发展,对数据的存储需求也越来越高, 由于性能和成本的限制,现有的区块链设计方案大部分都选择了把较大的数据...

    辉哥
  • 深度召回模型在QQ看点推荐中的应用实践

    ? 导语:最近几年来,深度学习在推荐系统领域中取得了不少成果,相比传统的推荐方法,深度学习有着自己独到的优势。我们团队在QQ看点的图文推荐中也尝试了一些深度学...

    腾讯技术工程官方号
  • 深度召回模型在QQ看点推荐中的应用实践

    导语:最近几年来,深度学习在推荐系统领域中取得了不少成果,相比传统的推荐方法,深度学习有着自己独到的优势。我们团队在QQ看点的图文推荐中也尝试了一些深度学习方法...

    腾讯技术工程官方号
  • 好的产品诞生全过程:每个环节都细致入微

    当我们提到一些常见的功能时,可以一笔带过,简单的描述一下就可以了,比如:对于微信登录,手机号注册。 那如果我们提到的是一些比较复杂的,具备一定创造性功能的时候,...

    BestSDK

扫码关注云+社区

领取腾讯云代金券