图一:是create table as select 创建的表,称为方式一;
图二:以 insert overwrite 方式落到了提前建好的结构表,和图一表是相同的数据逻辑;
表都是通过脚本跑的;
发现问题:在 hue 上查询图一表,发现数据扩散,但实际源数据不存在这种数据,如表一场景是 shop_public_id 是来源主表,不存在Null值 。方式二生成的表二则数据正常,无扩散现象。
结论:当以方式一测试时,发现数据扩散,不一定是sql 的问题,如果源表不存在该数据,一定不是sql 的问题,换成方式二测试数据,或者不落表了,直接输出情况,比如 select 粒度,count(1) cnt from tmp_t group by 粒度 order by cnt desc limit 10。
hue 的 impala 不能select 查出array类型的字段,报错 :Only scalar types are allowed in the select list.
hive 可以查出 array类型,是由 collect_set 生成的 array< string>,并且array不能 cast转换为 string 类型。