94 lines
4.3 KiB
Markdown
94 lines
4.3 KiB
Markdown
# Hive数据类型和文件格式
|
||
|
||
<nav>
|
||
<a href="#一数据类型">一、数据类型</a><br/>
|
||
<a href="#二文件格式">二、文件格式</a><br/>
|
||
<a href="#三存储格式">三、存储格式</a><br/>
|
||
</nav>
|
||
|
||
|
||
## 一、数据类型
|
||
|
||
### 1.1 基本数据类型
|
||
|
||
Hive表中的列支持以下基本数据类型：
|
||
|
||
- **Integers（整型）**
|
||
- TINYINT—1字节的有符号整数
|
||
- SMALLINT—2字节的有符号整数
|
||
- INT—4字节的有符号整数
|
||
- BIGINT—8字节的有符号整数
|
||
- **Boolean（布尔型）**
|
||
- BOOLEAN—TRUE/FALSE
|
||
- **Floating point numbers（浮点型）**
|
||
- FLOAT— 单精度浮点型
|
||
- DOUBLE—双精度浮点型
|
||
- **Fixed point numbers（定点数）**
|
||
- DECIMAL—用户自定义精度定点数，比如2.4，3.68
|
||
- **String types（字符串）**
|
||
- STRING—指定字符集的字符序列
|
||
- VARCHAR—具有最大长度限制的字符序列
|
||
- CHAR—固定长度的字符序列
|
||
- **Date and time types（日期时间类型）**
|
||
- TIMESTAMP — 时间戳
|
||
- TIMESTAMP WITH LOCAL TIME ZONE — 时间戳，纳秒精度
|
||
- DATE—日期类型
|
||
- **Binary types（二进制类型）**
|
||
- BINARY—字节序列
|
||
|
||
>TIMESTAMP 和 TIMESTAMP WITH LOCAL TIME ZONE 的区别：
|
||
>
|
||
>TIMESTAMP WITH LOCAL TIME ZONE：用户提交时间给数据库时，该类型会转换成数据库的时区来保存。查询时则按照查询客户端的不同，转换为查询客户端所在的时区的时间。
|
||
>
|
||
>TIMESTAMP ：提交什么时间就保存什么时间，查询时也不做任何转换。
|
||
|
||
### 1.2 隐式转换
|
||
|
||
Hive中基本数据类型遵循以下的层次结构，按照这个层次结构，子类型到祖先类型允许隐式转换。例如INT类型的数据允许隐式转换为BIGINT类型。额外注意的是：按照类型层次结构允许将STRING类型隐式转换为DOUBLE类型。
|
||
|
||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hive-data-type.png"/> </div>
|
||
|
||
|
||
|
||
### 1.3 复杂类型
|
||
|
||
| 类型 | 描述 | 示例 |
|
||
| ------ | ------------------------------------------------------------ | -------------------------------------- |
|
||
| STRUCT | 类似于对象，是字段的集合，字段的类型可以不同，可以使用 `名称.字段名`方式进行访问 | STRUCT ('xiaoming', 12 , '2018-12-12') |
|
||
| MAP | 键值对的集合，可以使用`名称[key]`的方式访问对应的值 | map('a', 1, 'b', 2) |
|
||
| ARRAY | 数组是一组具有相同类型和名称的变量的集合，可以使用`名称[index]`访问对应的值 | ARRAY('a', 'b', 'c', 'd') |
|
||
|
||
|
||
|
||
### 1.4 示例
|
||
|
||
如下给出一个基本数据类型和复杂数据类型的使用示例：
|
||
|
||
```sql
|
||
CREATE TABLE students(
|
||
name STRING, -- 姓名
|
||
age INT, -- 年龄
|
||
subject ARRAY<STRING>, --学科
|
||
score MAP<STRING,FLOAT>, --各个学科考试成绩
|
||
address STRUCT<houseNumber:int, street:STRING, city:STRING, province：STRING> --家庭居住地址
|
||
) ROW FORMAT DELIMITED FIELDS TERMINATED BY "\t";
|
||
```
|
||
|
||
|
||
|
||
## 二、文件格式
|
||
|
||
当数据存储在文本文件中，必须按照一定格式区别行和列，比如使用逗号作为分隔符的CSV文件(Comma-Separated Values)或者使用制表符作为分隔值的TSV文件(Tab-Separated Values)。但是使用这些字符作为分隔符的时候存在一个缺点，就是正常的文件内容中也可能出现逗号或者制表符。
|
||
|
||
所以Hive默认使用了几个平时很少出现的字符，这些字符一般不会作为内容出现在文件中。Hive默认的行和列分隔符如下表所示。
|
||
|
||
| 分隔符 | 描述 |
|
||
| ----------- | ------------------------------------------------------------ |
|
||
| \n | 对于文本文件来说，每行是一条记录，所以可以使用换行符来分割记录 |
|
||
| ^A (Ctrl+A) | 分割字段(列)，在CREATE TABLE语句中也可以使用八进制编码 `\001` 来表示 |
|
||
| ^B | 用于分割 ARRAY 或者 STRUCT 中的元素，或者用于 MAP 中键值对之间的分割，<br/>在CREATE TABLE语句中也可以使用八进制编码`\002` 表示 |
|
||
| ^C | 用于 MAP 中键和值之间的分割，在CREATE TABLE语句中也可以使用八进制编码`\003` 表示 |
|
||
|
||
|
||
|
||
## 三、存储格式 |