hive数据类型

1. Hive数据类型

Hive支持原始数据类型和复杂类型,原始类型包括数值型,Boolean,字符串,时间戳。复杂类型包括数组,map,struct。下面是Hive数据类型的一个总结:

分类类型描述字面量示例
原始类型BOOLEANtrue/falseTRUE
 TINYINT1字节的有符号整数 -128~1271Y
 SMALLINT2个字节的有符号整数,-32768~327671S
 INT4个字节的带符号整数1
 BIGINT8字节带符号整数1L
 FLOAT4字节单精度浮点数1.0 
 DOUBLE8字节双精度浮点数1.0
 DEICIMAL任意精度的带符号小数1.0
 STRING字符串,变长“a”,’b’
 VARCHAR变长字符串“a”,’b’
 CHAR固定长度字符串“a”,’b’
 BINARY字节数组无法表示
 TIMESTAMP时间戳,纳秒精度122327493795
 DATE日期‘2016-03-29’
复杂类型ARRAY有序的的同类型的集合array(1,2)
 MAPkey-value,key必须为原始类型,value可以任意类型map(‘a’,1,’b’,2)
 STRUCT字段集合,类型可以不同struct(‘1’,1,1.0), named_stract(‘col1’,’1’,’col2’,1,’clo3’,1.0)
 UNION在有限取值范围内的一个值create_union(1,’a’,63)

2. 基本类型

HQL的基本类型和Java的基本类型很接近,虽然受到一些MySQL命名的影响。

2.1 整数类型

Hive有4种带符号的整数类型:TINYINT,SMALLINT,INT,BIGINT,分别对应Java中的byte,short,int,long。字节长度分别为1,2,4,8字节。在使用整数字面量时,默认情况下为INT,如果要声明为其他类型,通过后缀来标识:

类型后缀例子
TINYINTY100Y
SMALLINTS100S
BIGINTL100L

2.2 小数

浮点类型包括FLOAT和DOUBLE两种,对应到Java的float和double,分别为32位和64位浮点数。DECIMAL用于表示任意精度的小树,类似于Java的BigDecimal,通常在货币当中使用。例如DECIMAL(5,2)用于存储-999.99到999.99的数字,省略掉小数位,DECIAML(5)表示-99999到99999的数字。DECIMAL则等同于DECIMAL(10,0)。小数点左边允许的最大位数为38位。

数值类型总结如下表:

hive数据类型

2.3 文本类型

Hive有3种类型用于存储字文本。STRING存储变长的文本,对长度没有限制。理论上将STRING可以存储的大小为2GB,但是存储特别大的对象时效率可能受到影响,可以考虑使用Sqoop提供的大对象支持。VARCHAR与STRING类似,但是长度上只允许在1-65355之间。例如VARCHAR(100).CHAR则用固定长度来存储数据。

hive数据类型

2.4 布尔及二进制

BOOLEAN表示二元的true或false。 
BINARY用于存储变长的二进制数据。

2.5 时间类型

TIMESTAMP则存储纳秒级别的时间戳,同时Hive提供了一些内置函数用于在TIMESTAMP与Unix时间戳(秒)和字符串之间做转换。例如:

  1.  
    cast(date as date)
  2.  
    cast(timestamp as date)
  3.  
    cast(string as date)
  4.  
    cast(date as string)

时间戳类型的数据不包含任务的时区信息,但是to_utc_timestampfrom_utc_timestamp函数可以用于时区转换。DATE类型则表示日期,对应年月日三个部分。

3. 类型转换

Hive的类型层次中,可以根据需要进行隐式的类型转换,例如TINYINT与INT相加,则会将TINYINT转化成INT然后INT做加法。隐式转换的规则大致可以归纳如下:

  • 任意数值类型都可以转换成更宽的数据类型(不会导致精度丢失)或者文本类型。

  • 所有的文本类型都可以隐式地转换成另一种文本类型。也可以被转换成DOUBLE或者DECIMAL,转换失败时抛出异常。

  • BOOLEAN不能做任何的类型转换。

  • 时间戳和日期可以隐式地转换成文本类型。

也可以使用CAST进行显式的类型转换,例如CAST(‘1‘ as INT),如果转换失败,CAST返回NULL。

4. 复杂类型

Hive有4种复杂类型的数据结构:ARRAY,MAP,STRUCT,UNION。

4.1 ARRAY和MAP

ARRAY和MAP类型与Java中的数据和映射表。数组的类型声明格式为ARRAY<data_type>,元素访问通过0开始的下标,例如arrays[1]访问第二个元素。 
MAP通过MAP<primitive_type,data_type>来声明,key只能是基本类型,值可以是任意类型。map的元素访问则使用[],例如map[‘key1‘].

4.2 STRUCT

STRUCT则封装一组有名字的字段(named filed),其类型可以是任意的基本类型,元素的访问使用点号。

4.3 UNION

UNION则类似于C语言中的UNION结构,在给定的任何一个时间点,UNION类型可以保存指定数据类型中的任意一种。类型声明语法为UNIONTYPE<data_type,data_type,…>。每个UNION类型的值都通过一个整数来表示其类型,这个整数位声明时的索引,从0开始。例如:

CREATE TABLE union_test(foo UNIONTYPE<int,double,array<string>,strucy<a:int,b:string>>);

foo的一些取值如下:

  1.  
    {0:1}
  2.  
    {1:2.0}
  3.  
    {2:["three" , "four"]}
  4.  
    {3:["a":5,b:"five"]}
  5.  
    {0:9}

其中冒号左边的整数代表数据类型,必须在预先定义的范围类,通过0开始的下标表示。冒号右边是该类型的取值。

下面的这个CRATE语句用到了这4中复杂类型:

  1.  
    CREATE TABLE complex (
  2.  
    c1 ARRAY<INT>,
  3.  
    c2 MAP<STRING,INT>,
  4.  
    c3 STRUCT<a:STRING,b:INT,c:DOUBLE>,
  5.  
    c4 UNIONTYPE<STRING,INT>
  6.  
    );

通过下面的SELECT语句查询相应的数据:

SELECT c1[0] , c2[‘b‘],c3.c , c4 FROM complex

结果类似:

1 2 1.0 {1:63}

相关推荐