Hive数据类型

1.基本数据类型

示例:

sql 复制代码
-- 创建表并定义列的数据类型
CREATE TABLE data_types_example (
    tinyint_column TINYINT,
    smallint_column SMALLINT,
    int_column INT,
    bigint_column BIGINT,
    boolean_column BOOLEAN,
    float_column FLOAT,
    double_column DOUBLE,
    string_column STRING,
    timestamp_column TIMESTAMP,
    binary_column BINARY
);

-- 插入示例数据
INSERT INTO data_types_example VALUES
(1, 10, 100, 1000, TRUE, 3.14, 6.28, 'example', '2024-04-23 12:00:00', CAST('binary data' AS BINARY));

-- 查询示例数据
SELECT * FROM data_types_example;
  • 对于Hive的string类型相当于数据库的varchar类型,该类型是一个可变的字符串,不过它不能声明其中最多能存储多少个字符,理论上它可以存储2GB的字符数。
  • 不同的数据类型具有不同的数据范围和存储大小。确保选择的数据类型可以容纳数据的范围,并且不会浪费过多的存储空间。

2.集合数据类型

Hive有三种复杂数据类型array、map和struct。array和map与Java中的array和map类似,而struct由一组称为成员的不同数据组成,其中每个成员可以具有不同的类型。

  1. ARRAY

    • ARRAY是一种有序的集合,其中的元素可以重复
    • 它用于存储具有相同数据类型的多个值,例如一组数字、字符串等。
    • ARRAY类型的语法为ARRAY<data_type>,其中data_type表示数组中元素的数据类型。
  2. MAP

    • MAP是一种键值对的集合,其中的键和值可以是任意数据类型
    • 它用于存储类似于字典或关联数组的数据结构。
    • MAP类型的语法为MAP<key_data_type, value_data_type>,其中key_data_type表示键的数据类型,value_data_type表示值的数据类型。
  3. STRUCT

    • STRUCT是一种类似于结构体或元组的数据类型 ,它可以包含多个字段,每个字段都有自己的数据类型
    • 它用于表示具有多个属性的复合数据类型。
    • STRUCT类型的语法为STRUCT<field1:data_type1, field2:data_type2, ...>,其中field1field2等表示字段名,data_type1data_type2等表示字段的数据类型。

  1. ARRAY 示例
    一个表存储了每位学生的课程成绩 ,其中每个学生可能修读了多门课程,我们可以使用ARRAY来表示每位学生的成绩列表。
sql 复制代码
CREATE TABLE student_grades (
    student_id INT,
    grades ARRAY<INT>
);

INSERT INTO student_grades VALUES
(1, ARRAY(85, 90, 75)),
(2, ARRAY(78, 82, 95)),
(3, ARRAY(88, 92, 80));
  1. MAP 示例
    一个表存储了每**位员工的基本信息,其中包括姓名、部门和工资等信息,**我们可以使用MAP来表示员工的基本信息。
sql 复制代码
CREATE TABLE employee_info (
    employee_id INT,
    info MAP<STRING, STRING>
);

INSERT INTO employee_info VALUES
(1, MAP('name', 'Alice', 'department', 'HR', 'salary', '5000')),
(2, MAP('name', 'Bob', 'department', 'Finance', 'salary', '6000')),
(3, MAP('name', 'Charlie', 'department', 'IT', 'salary', '7000'));
  1. STRUCT 示例
    一个表存储了商品的详细信息,包括商品ID、名称和价格,我们可以使用STRUCT来表示商品的详细信息。
sql 复制代码
CREATE TABLE product_details (
    product_id INT,
    details STRUCT<
        name: STRING,
        price: DOUBLE
    >
);

INSERT INTO product_details VALUES
(1, STRUCT('Laptop', 1200.50)),
(2, STRUCT('Smartphone', 800.25)),
(3, STRUCT('Tablet', 500.75));

3.数据类型转换

1.隐式转换

在Hive中,有时候可以进行隐式类型转换,这是指在查询中不需要显式地使用CAST函数,Hive会根据上下文自动进行类型转换。

  • (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

示例:

  1. 整数类型转换
  • 在算术运算或比较操作中,如果参与运算的两个数类型不同,Hive会自动将小的整数类型转换为大的整数类型,例如将TINYINT转换为INT,INT转换为BIGINT。
sql 复制代码
SELECT 1 + 2.5; -- 将整数1隐式转换为浮点数,结果为3.5
  1. 字符串类型转换
  • 字符串拼接操作中,Hive会自动将非字符串类型转换为字符串类型
sql 复制代码
SELECT 'Age: ' || 25; -- 将整数25隐式转换为字符串,结果为'Age: 25'
  1. 布尔类型转换
  • 在逻辑运算中,Hive会自动将布尔类型转换为整数类型(0表示FALSE,1表示TRUE)
sql 复制代码
SELECT TRUE AND FALSE; -- 将布尔值转换为整数,结果为0
  1. 日期类型转换
  • 在日期运算中,Hive会根据上下文自动进行日期类型转换。
sql 复制代码
SELECT current_date() - '2024-04-23'; -- 将字符串日期转换为日期类型,然后计算日期差
  1. 浮点数类型转换
  • 在算术运算中,Hive会自动进行浮点数类型转换
sql 复制代码
SELECT 10 / 3.0; -- 将整数10隐式转换为浮点数,结果为3.33333...

2.显式转换

在Hive中,显式转换是指使用CAST函数明确指定将一个数据类型转换为另一个数据类型。

  • 语法:cast(expr as ) expr表示要转换的表达式,type表示要转换成的目标数据类型
  • 返回值:Expected "=" to follow "type"
  • 说明:返回转换后的数据类型

示例:

  1. 将字符串转换为整数
sql 复制代码
SELECT CAST('123' AS INT);
  1. 将整数转换为字符串
sql 复制代码
SELECT CAST(123 AS STRING);
  1. 将字符串表示的日期转换为日期类型
sql 复制代码
SELECT CAST('2024-04-23' AS DATE);
  1. 将日期类型转换为字符串表示
sql 复制代码
SELECT CAST(CURRENT_DATE() AS STRING);
  1. 将字符串转换为布尔类型
sql 复制代码
SELECT CAST('true' AS BOOLEAN);
  1. 将布尔类型转换为字符串
sql 复制代码
SELECT CAST(TRUE AS STRING);
  1. 将浮点数转换为整数
sql 复制代码
SELECT CAST(3.14 AS INT);
  1. 将整数转换为浮点数
sql 复制代码
SELECT CAST(100 AS FLOAT);
  1. 将时间戳转换为日期类型
sql 复制代码
SELECT CAST('2024-04-23 12:00:00' AS DATE);
相关推荐
永洪科技7 小时前
永洪科技荣获商业智能品牌影响力奖,全力打造”AI+决策”引擎
大数据·人工智能·科技·数据分析·数据可视化·bi
weixin_307779138 小时前
Hive集群之间迁移的Linux Shell脚本
大数据·linux·hive·bash·迁移学习
上海锝秉工控10 小时前
防爆拉线位移传感器:工业安全的“隐形守护者”
大数据·人工智能·安全
cv高级工程师YKY11 小时前
SRE - - PV、UV、VV、IP详解及区别
大数据·服务器·uv
bxlj_jcj12 小时前
深入Flink核心概念:解锁大数据流处理的奥秘
大数据·flink
云资源服务商12 小时前
阿里云Flink:开启大数据实时处理新时代
大数据·阿里云·云计算
Aurora_NeAr13 小时前
Spark SQL架构及高级用法
大数据·后端·spark
王小王-12313 小时前
基于Hadoop的公共自行车数据分布式存储和计算平台的设计与实现
大数据·hive·hadoop·分布式·hadoop公共自行车·共享单车大数据分析·hadoop共享单车
数据与人工智能律师13 小时前
数字资产革命中的信任之锚:RWA法律架构的隐形密码
大数据·网络·人工智能·云计算·区块链
Edingbrugh.南空14 小时前
Flink OceanBase CDC 环境配置与验证
大数据·flink·oceanbase