Hive的数据类型

一、基本数据类型

Hive 中的基本数据类型也称为原始类型，包括整数、小数、文本、布尔、二进制以及时间类型。
整数:TINYINT、SMALLINT、INT、BIGINT
小数:FLOAT、DOUBLE、DECIMAL
文本:STRING、CHAR、VARCHAR
布尔:BOOLEAN
二进制:BINARY
时间:DATE、TIMESTAMP、INTERVAL
上述数据类型都是对Java中的接口的实现，所以类型的具体行为细节和Java中对应的类型完全一致。比如STRING类型实现的是Java中的String，FLOAT类型实现的是Java 中的 foat。

注意：

➢HiveQL对大小写不敏感
➢Hive 中所有类型均为保留字

1.整数类型

Hive 具有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。在使用整数变量时，默认情况下为INT，如果要声明为其他类型，须通过后缀来标识，如表2-1所示。

2、小数类型

小数类型也称为浮点类型，包括FLOAT和DOUBLE两种，对应Java中的foat 和double，分别为32位和64位浮点数。此外，Hive还可以使用DECIMAL来表示任意精度的小数，类似于Java中的
BigDecimal，其通常在货币当中使用。DECIMAL语法和示例如下

【语法】

DECIMAL(precision[,scale])
其中，precision表示固定精度，最大为38；scale表示小数位数。
例如:
➢DECIMAL(5,2)存储-999.99 到 999.99 的数字。
➢DECIMAL(5)表示-99999 到99999的数字。
➢DECIMAL 等同于 DECIMAL(10,0)。

3.文本类型

文本类型也称为字符串类型，使用单引号或双引号来指定。Hive有3种类型用于存储文本。
(1)STRING存储可变长的文本，对长度没有限制。理论上STRING的存储空间为2GB，但是存储特别大的对象时效率会受影响，此时可以考虑使用Sqoop提供的大对象支持。
(2)VARCHAR与STRING类似，但其存储字符串的长度要求在1~65355之间，超出部分将被截断，例如 VARCHAR(20)。
(3)CHAR以固定长度来存储字符串，最大固定长度为255，例如CHAR(20)。

注意：

VARCHAR(20)与CHAR(20)的区别是：如果存入的字符串长度为10，则VARCHAR(20)占用实际字符串长度为10，而CHAR(20)占用实际字符串长度仍为20，未使用的空间将会用空格填充。

4.布尔及二进制类型

布尔(BOOLEAN)类型值有true和false 两种
二进制类型BINARY用于存储变长的二进制数据，如10110。

5.时间类型

DATE 类型用于描述特定的年月日，以yyyy-MM-dd 格式表示，例如 2018-12-12。DATE 类型不包含时间，所表示的日期范围为0000-01-01至9999-12-31。
TIMESTAMP类型存储纳秒级别的时间戳。TIMESTAMP与时区无关，存储UNIX纪元(1970-01-0100:00:00)的偏移量，其常见用法如下。

(1)unix_timestamp()函数
➢使用 unix_timestamp()函数得到当前时间戳。
➢使用 unix_timestamp(string date)将“yyyy-MM-dd HH:mm:ss”格式的字符串转为时间戳。
➢使用 unix_timestamp(string date,string format)将指定字符串(如“2018-12-12”)按指定格式(如“yyyy-MM-dd”)转为时间戳。

(2)fom_unixtime()函数
使用 from_unixtime(timstamp,'yyyy-MM-dd HH:mm:ss")将指定时间截以指定格式显示。

（3)cast()函数
cast()函数用于在TIMESTAMP、DATE、STRING 类型之间做转换，举例如下：
➢cast(date as date)：返回相同的日期。
➢cast(date as timestamp)：基于本地时区，返回对应 00:00:00 时间戳的日期。
➢cast(date as string)：日期被转换为“yyyy-MM-dd”格式的字符串。
➢cast(timestamp as date)：基于本地时区确定时间戳的年月日，并将其作为值返回。
➢cast(string as date)：如果字符串的格式为“yyyy-MM-dd”，则返回对应的日期,否则返回 NULL。
INTERVAL 类型表示时间间隔，其仅被Hive1.2.0之后的版本支持。

二、复杂数据类型

在SQL的表设计中，字段通常不能被再分解，这意味着每一个字段不能再被分割成多个字段。

而与SQL不同，HiveQL没有上述局限性。Hive的表字段不仅可以是基础数据类型，还可以是复杂数据类型(ComplexTypes)。Hive有4种常用的复杂数据类型，分别是数组(ARRAY)、映射(MAP)、结构体(STRUCT)和联合体(UNIONTYPE)。

1. ARRAY和 MAP

ARRAY是具有相同类型变量的集合。这些变量称为数组的元素，每个数组元素都有一个索引编号，编号从零开始。
数据格式:['Apple','Orange','Mongo']
定义示例:array<string>
使用示例:a[0]='Apple'
其中，a表示表字段名，该字段的类型为ARRAY，允许存储的数据为string，起始访问索引为0。
MAP是一组键值对集合，key只能是基本类型，值可以是任意类型
数据格式:{'A':'Apple','O':'Orange'}
定义示例:map<string,string>
使用示例:b['A']='Apple'
其中，b表示表字段名，该字段的类型为 MAP，允许存储一个<string,string>类型的键值对，直接按键访问即可。

2. STRUCT

STRUCT封装了一组有名字的字段(NamedField)，其类型可以是任意的基本类型结构体内的元素使用“.”来访问。
数据格式：{'Apple',2}
定义示例：struct<fruit:string,weight:int>
使用示例：c.weight=2
其中，c表示表字段名，该字段的类型为STRUCT,包含两个元素“fuit”和“weight”,对元素的访问方式类似于Java中访问对象的属性。

3. UNIONTYPE

在给定的任何一个时刻，UNIONTYPE类型可以保存指定数据类型中的任意一种。其类似于Java中的泛型，在任一时刻只有其中的一个类型生效。
定义示例:uniontype<data_type,data_type,····>
使用时，每个UNIONTYPE实际对应的类型都会通过一个整数来表示，这个整数位声明时的索引从0开始。例如:
hive> create table union_test(
      > foo UNIONTYPE<int,double,array<string>,struct<a:int,b:string>>);

上面创建了 union_test 表，表中唯一字段foo的类型为UNIONTYPE，在foo字段上支持如下文本输入:
0^B1
1^B2.0
2^Bthree^Cfour
3^B5^Csix
其中“^B”为集合元素分隔符,“^C”为MAP键分隔符。