Hive数据库系列--Hive数据类型/Hive字段类型/Hive类型转换/文本文件数据编码-蒲公英云

文章目录

一、Hive数据类型
- 1.1、数值类型
- 1.2、字符类型
- 1.3、日期时间类型
- 1.4、其他类型
- 1.5、集合数据类型
- - 1.5.1、Struct举例
  - 1.5.2、Array举例
  - 1.5.3、Map举例
二、数据类型转换
- - 2.1、隐式转换
  - 2.2、显示转换
三、字段类型的使用
- 3.1、DECIMAL(precision，scale)
四、文本文件数据编码

本章主要讲解hive的数据类、字段类型。官网文档地址见https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Types

一、Hive数据类型

数据类型主要是指create table的时候表中字段的类型，如int、string、decimal等等。

create table test_user
(
    id   int  comment '主键',
    name string comment '姓名',
    score   struct<math:int,computer:int>
)
comment '测试用户表'
row format delimited fields terminated by ','
collection items terminated by '_'
lines terminated by '\n';

1.1、数值类型

Hive 数据类型	Java 数据类型	长度	范围	例子
TINYINT	byte	1byte 有符号整数	-128 to 127	10
SMALINT	short	2byte 有符号整数	-32,768 to 32,767	10
INT	int	4byte 有符号整数	-2,147,483,648 to 2,147,483,647	10
BIGINT	long	8byte 有符号整数	-9,223,372,036,854,775,808 to 9,223,372,036,854,775,807	20
FLOAT	float	单精度浮点数		3.1415
DOUBLE	double	双精度浮点数		3.1419
DECIMAL	BigDecimal	17字节	38位，存储小数	10.20

1.2、字符类型

Hive的支付类型也与关系型数据库的MySQL类似。 实际使用中，String使用得最多。

数据类型	描述
String	使用时通常用单引号(‘’)或者双引号（””）引用，Hive在String中使用c样式的转义
varchar	变长字符串，最大长度为65535
char	定长字符串，最大长度255

Hive 的 STRING 类型相当于mysql数据库的 varchar 类型，该类型是一个可变的字符串，不过它不限定最多能存储多少个字符，理论上它可以存储 2GB 的字符数。

1.3、日期时间类型

Timestamp精度高，Timestamp精度为9，可以满足对时间字段的要求。如要使用日期时间计算，可以使用interval。

Hive 数据类型	Java 数据类型	描述
TIMESTAMP		持传统的UNIX时间戳，可选纳秒精度，精度为9
Date		以YYYY-MM-DD格式存储年月日
interval		INTERVAL ‘1’ DAY 增加1天 INTERVAL ‘1-2’ YEAR TO MONTH 增加1年2个月

1.4、其他类型

布尔类型表示true或false。

数据类型	描述
Boolean	true/false
BINARY	字节数组

1.5、集合数据类型

Hive中的列支持struct、map和array集合数据类型。

数据类型	描述	语法示例
STRUCT	和 c 语言中的 struct 类似，都可以通过“点”符号访问元素内容。例如，如果某个列的数据类型是 STRUCT{first STRING, lastSTRING},那么第1个元素可以通过字段.first来引用。	struct(‘tom’,15) `struct<name:string,age:int>`
MAP	MAP是一组键-值对元组集合，可以通过key来访问元素。例如，如果某个列的数据类型是MAP，其中键->值对是’first’->‘John’和’last’->‘Doe’，那么可以通过字段名[‘last’]获取最后一个元素	map<string, int>
ARRAY	ARRAY是由一系列具有相同数据类型的元素组成的集合，这些些素可以通过下标来访问。例如有一个ARRAY类型的变量fruits，它是由[‘apple’,‘orange’,‘mango’]组成，那么我们可以通过 fruits[1] 来访问元素 orange ，因为ARRAY类型的下标是从0开始的。	Array(‘John’, ‘Doe’)

ARRAY 和 MAP 与 Java 中的 Array 和 Map 类似，而 STRUCT 与 C 语言中的Struct 类似，它封装了一个命名字段集合，复杂数据类型允许任意层次的嵌套。

1.5.1、Struct举例

（1）假设有如下两条数据，为了便于理解，以JSON格式来表示它的数据结构：

[
{
    "stuid": 1,
    "stuname":'alan',
    "score":{
        "math":98,
        "computer":89
    }
},
{
    "stuid": 2,
    "stuname":'john',
    "score":{
        "math":95,
        "computer":97
    }
}
]

（2）在目录/root/data中创建本地测试文件struct.txt，保存下面的数据。

1,alan,98_89
2,john,95_97

在这里插入图片描述
（3）在Hive上创建测试表test_struct

create table test_struct
(
    stuid   int,
    stuname string,
    score   struct<math:int,computer:int>
)
    row format delimited fields terminated by ','
        collection items terminated by '_'
        lines terminated by '\n';

在这里插入图片描述
字段解释：

row format delimited fields terminated by ',' -- 列分隔符
collection items terminated by '_' -- MAP STRUCT和ARRAY的分隔符(数据分割符号)
lines terminated by '\n'; -- 行分隔符

（4）接下来，导入struct.txt中的文本数据到测试表test_struct

load data local inpath '/root/data/struct.txt' into table test_struct;

（5）访问表test_struct中的数据

select * from test_struct;

在这里插入图片描述
（6）访问结构中的数据

select stuname,score.math,score.computer from test_struct;

在这里插入图片描述

1.5.2、Array举例

（1）假设有如下两条数据，为了便于理解，以JSON格式来表示它的数据结构：

[
{
    "stuid": 1,
    "stuname":'alan',
    "hobbys":["music","sports"]
},
{
    "stuid": 2,
    "stuname":'john',
    "hobbys":["music","travel"]
}
]

（2）在目录/root/data中创建本地测试文件array.txt，保存下面的数据。

1,alan,music_sports
2,john,music_travel

在这里插入图片描述
（3）在Hive上创建测试表test_array

create table test_array
(
    stuid   int,
    stuname string,
    hobbys  array<string>
)
    row format delimited fields terminated by ','
        collection items terminated by '_'
        lines terminated by '\n';

（4）接下来，导入array.txt中的文本数据到测试表test_array

load data local inpath '/root/data/array.txt' into table test_array;

（5）访问表test_array中的数据

select * from test_array;

在这里插入图片描述
（6）访问数组中的数据

set hive.cli.print.header=true;
select stuname,hobbys[0] from test_array;

在这里插入图片描述

1.5.3、Map举例

（1）假设有如下两条数据，为了便于理解，以JSON格式来表示它的数据结构：

[
{
    "stuid": 1,
    "stuname":'alan',
    "score":{
        "math":98,
        "computer":89
    }
},
{
    "stuid": 2,
    "stuname":'john',
    "score":{
        "math":95,
        "computer":97
    }
}
]

（2）在目录/root/data中创建本地测试文件 map.txt，保存下面的数据。

1,alan,math:98_computer:89
2,john,math:95_computer:97

在这里插入图片描述

3）在Hive上创建测试表test_map

create table test_map
(
    stuid   int,
    stuname string,
    score   map<string,int>
)
    row format delimited fields terminated by ','
        collection items terminated by '_'
        map keys terminated by ':'
        lines terminated by '\n';

字段解释：

row format delimited fields terminated by ',' -- 列分隔符
collection items terminated by '_' --MAP STRUCT 和 ARRAY 的分隔符(数据分割符号)
map keys terminated by ':' -- MAP 中的 key 与 value 的分隔符
lines terminated by '\n'; -- 行分隔符

（4）接下来，导入map.txt中的文本数据到测试表test_map

load data local inpath '/root/data/map.txt' into table test_map;

（5）访问表test_map中的数据

set hive.cli.print.header=true;
select * from test_map;

在这里插入图片描述
（6）访问map中的数据

select stuname,score['math'] as math,score['computer'] as computer from test_map;

在这里插入图片描述

二、数据类型转换

Hive 的原子数据类型是可以进行隐式转换的，类似于 Java 的类型转换。转换的原则是从数据范围小的类型向数据范围大的类型转换，或从数据精度低的类型向数据精度高的类型转换，以保证数据和精度不丢失。例如某表达式使用 BIGINT类型，INT 会自动转换为BIGINT 类型，但是 Hive 不会进行反向转换。例如，某表达式使用 INT 类型，BIGINT 不会自动转换为 INT 类型，它会返回错误，除非使用 CAST 操作。

2.1、隐式转换

（1）任何整数类型都可以隐式地转换为一个范围更广的类型，如 TINYINT 可以转换成 INT，INT 可以转换成 BIGINT。

（2）所有整数类型、FLOAT 和 STRING 类型都可以隐式地转换成 DOUBLE。

（3）TINYINT、SMALLINT、INT 都可以转换为 FLOAT。

（4）BOOLEAN 类型不可以转换为任何其它的类型。

2.2、显示转换

可以使用 CAST 操作进行显示数据类型转换，例如 CAST(‘1’ AS INT)将把字符串’1’ 转换成整数 1；如果强制类型转换失败，如执行 CAST(‘X’ AS INT)，表达式返回空值NULL。

select '2'+3,cast('2' as int)+1;

在这里插入图片描述

三、字段类型的使用

3.1、DECIMAL(precision，scale)

Hive中的DECIMAL类型基于Java的BigDecimal，它用于在Java中表示不可变的任意精度十进制数。所有常规的数字操作（例如+、-、*、/）和相关的UDF（例如Floor、Ceil、Round等）都处理十进制类型。你可以像处理其他数值类型一样，将十进制类型转换为十进制类型或从十进制类型转换。decimal类型的持久性格式支持科学和非科学记数法。因此，无论数据集是否包含4.004E+3（科学计数法）或4004（非科学计数法）或两者的组合，DECIMAL都可以用于它。

从Hive 0.13开始，用户可以在使用DECIMAL（precision，scale）语法创建DECIMAL数据类型的表时指定scale和precision。如果未指定小数位数，则默认为0（无小数位数）。如果未指定精度，则默认为10。

CREATE TABLE foo (
  a DECIMAL, -- Defaults to decimal(10,0)
  b DECIMAL(9, 7)
)

DECIMAL(precision，scale)说明:
precision-精度： 整数+scale的长度(即整数部分的长度最大不能超过precision-scale位)
scale-小数位： 小数部分的长度(若小数点后的长度小于scale则会自动补齐到scale位；若小数点后面的长度大于scale位则会截取scale位截取时会四舍五入)

四、文本文件数据编码

Hive中经常经使用未经压缩的文本文件来存储数据，各字段之间如何保证正确分隔，分隔符的选择十分重要，已选定的分隔符不能出现在数据中。Hive默认使用了几个控制字符，这些字符很少出现在字段值中。

分隔符	描述
\n	对于文本文件来说，每行都是一条记录，因此换行符可以分隔记录
^A(Ctrl+V+A)	用于分隔字段（列）。在CREATE TABLE语句中可以使用八进制编码\001表示
^B(Ctrl+V+B)	用于分隔ARRAY或者STRUCT中的元素，或用于MAP中键-值对之间的分隔。在CREATE TABLE语句中可以使用八进制编码\002表示
^C(Ctrl+V+C)	用于MAP中键和值之间的分隔。在CREATE TABLE语句中可以使用八进制编码\003表示

^A / ^B / ^C 都是特殊的控制字符，使用 more 、 cat 命令是看不见的；可以使用

cat -A file.dat

下面是一张员工表：

CREATE TABLE employees
(
    name         STRING,
    salary       FLOAT,
    subordinates ARRAY<STRING>,
    deductions   MAP<STRING,FLOAT>,
    address      STRUCT<street:STRING,city:STRING,state:STRING,zip:INT>
);

其中，字段subordinates（下属员工）是一个字符串数组，字段deductions是一个由键-值对构成的map，其记录了每一次的扣除额。最后，每名员工的家庭住址使用struct数据类型存储。employees表的第1行记录看上去和下面展示的一样，它用到了上面表格中的分隔符。

John Doe^A100000.0^AMary Smith^BTodd Jones^AFederal Taxes^C.2^BState Taxes^C.05^BInsurance^C.1^A1 Michigan Ave.^BChicage^BIL^B60600

在vi中的显示效果如下：
在这里插入图片描述

注意："^A"不是直接按字符键^A直接输入的，而是在编辑状态下按Ctrl+V+A输入的，
同理按下Ctrl+V+B可以输入不见字符"^B"。

很显然上面记录的可读性不好，把它转换成可读性好的JSON格式如下：

{
"name": "John Doe",
"salary": 100000.0,
"subordinates": ["Mary Smith","Todd Jones"],
"deductions": {
    "Federal Taxes": .2,
    "State Taxes": .05,
    "Insurance": .1
},
"address": {
    "street": "1 Michigan Ave.",
    "city": "Chicago",
    "state": "IL",
    "zip": 60600
    }
}

用户可以不使用这些默认的分隔符，而指定使用其他分隔符。下面建表语句明确指定了分隔符：

CREATE TABLE employees
(
    name         STRING,
    salary       FLOAT,
    subordinates ARRAY<STRING>,
    deductions   MAP<STRING,FLOAT>,
    address      STRUCT<street:STRING,city:STRING,state:STRING,zip:INT>
)
    row format delimited fields terminated by '\001'
        collection items terminated by '\002'
        map keys terminated by '\003'
        lines terminated by '\n'
    stored as textfile;

目前行分隔符只支持’\n’，不能是别的字符，stored as textfile可以被省略，默认就是 textfile格式的文件。把上面输入的数据加载到employees表中：

load data local inpath '/root/data/employees.txt' into table employees;

查看employees表中的数据

select * from employees;

在这里插入图片描述

参考文章：https://blog.csdn.net/W\_chuanqi/article/details/131101265

文章目录

一、Hive数据类型

1.1、数值类型

1.2、字符类型

1.3、日期时间类型

1.4、其他类型

1.5、集合数据类型

1.5.1、Struct举例

1.5.2、Array举例

1.5.3、Map举例

二、数据类型转换

2.1、隐式转换

2.2、显示转换

三、字段类型的使用

3.1、DECIMAL(precision，scale)

四、文本文件数据编码

发表评论取消回复

还没有评论，来说两句吧...

相关阅读

随便看看

教程文章

热评文章

1江湖小白之一起学Python （二）爬取数据的保存

2Java Shiro：简化身份验证和授权的安全框架

3Java中try()catch{}的使用方法

4Swagger注解-@ApiModel 和 @ApiModelProperty

5windows下强制杀死tomcat进程

6uni-app 条形码(一维码)/二维码生成实现

标签列表