0458-Hive数据类型校验问题分析

温馨提示:如果使用电脑查看图片不清晰,可以使用手机打开文章单击文中的图片放大查看高清原图。

Fayson的github:

https://github.com/fayson/cdhproject

提示:代码块部分可以左右滑动查看噢

1

文章编写目的

使用Hive时大家都会遇到数据类型校验的问题,相比传统关系型数据库会严格要求数据的Schema,数据的列数、每一列的字段类型都有严格的规定,因此数据的存储必须按照定义的Schema格式来存储。而Hive数据库对数据格式及具体的内容并不关心,只有在数据被读出时才会与定义的Schema进行转换。那这个时候就会出现数据类型转换的问题,本篇文章Fayson主要分析下如何查找表中类型转换错误的数据以及Hive对空值和NULL的处理。

测试环境

1.RedHat7.2

2.CM和CDH版本为5.15.0

2

测试数据准备

1. 建表语句如下:

(可左右滑动)

2. 测试数据如下:

(可左右滑动)

3. 将测试数据加载到test_cast表中,查看表中的数据

Fayson在前面定义的表结构为id和age两个字段均为int类型,在Load的示例数据中age列有非数值类型的数据,查看表数据时会看到如上截图类型转换失败显示为NULL。

3

查找异常类型数据

Hive本身没有机制来校验数据的有效性,如果我们想检索出表中类型转换异常的数据,则可以通过nvl和cast两个函数来结合判断数据是否转换失败了。如下为实现方式:

1. 创建一个测试表及准备测试数据,SQL如下:

2.将类型异常的数据插入到新的表中,SQL如下:

(可左右滑动)

同样也可以只是用cast来进行查找,SQL如下:

(可左右滑动)

查看检索出来类型异常的数据

3.查看写入到HDFS的类型转换异常的数据

通过如上方式我们可以检索出test_cast表中age列类型转换异常的数据,通过每条数据的ID查找对应的原始数据找到问题原因。在上述过程中还出现了另一个问题Hive中NULL和空值是如何处理的?如下Fayson再介绍下Hive中对着两个值的处理。

4

Hive中NULL和空值处理

通过上述的处理过程,我们可以看到Hive对于类型转换异常的数据查询出来显示为NULL,但我们将这些数据写入到新的表后数据文件中显示的为\N。那在我们的数据中如果存’NULL’类型的字符串呢?Hive中默认将NULL存为\N,NULL类型的字符串如何检索?

1.创建一个测试表及准备测试数据,SQL如下:

测试数据如下:

2.将数据Load到test_null表中显示如下:

如上图所5、6两条数据均显示的为NULL,通过数据我们无法真实的区别那条数据的age真正的为空。

3.通过指定查询条件可以检索出空值和NULL类型字符串数据

使用is null可以检索出存储为\N的数据(即id为6的这条数据)

使用=’NULL’可以检索出为NULL字符串的数据(即id为5的这条数据)

(可左右滑动)

向表中插入一条age为NULL的数据

查看此时表中的数据显示

查看HDFS插入的数据显示NULL

5

总结

1.Hive在对表进行Put和Load数据操作时,Hive是不支持数据类型的校验,在使用insert into table select…方式向表中插入数据时,对于类型异常的数据会在表中插入一个\N空的值(\N为Hive中默认NULL标识)

(可左右滑动)

插入为NULL的数据后,HDFS的数据文件存储如下

可以通过建表语句中指定Hive保存和标识NULL,也可以通过alter修改已存在的表,建表指定方式如下:

提示:代码块部分可以左右滑动查看噢

为天地立心,为生民立命,为往圣继绝学,为万世开太平。

温馨提示:如果使用电脑查看图片不清晰,可以使用手机打开文章单击文中的图片放大查看高清原图。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181121B02JGG00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券