hive学习笔记之二：复杂数据类型

执行结果如下，第一条记录没有friends[3]，显示为NULL：

hive> select person, friends[0], friends[3] from t2;

OK

person _c1 _c2

tom tom_friend_0 NULL

jerry jerry_friend_0 jerry_friend_3

Time taken: 0.052 seconds, Fetched: 2 row(s)

6. 数组元素中是否包含某值的SQL：

select person, array_contains(friends, ‘tom_friend_0’) from t2;

执行结果如下，第一条记录friends数组中有tom_friend_0，显示为true，第二条记录不包含，就显示false：

hive> select person, array_contains(friends, ‘tom_friend_0’) from t2;

OK

person _c1

tom true

jerry false

Time taken: 0.061 seconds, Fetched: 2 row(s)

7. 第一条记录的friends数组中有三个元素，借助LATERAL VIEW语法可以把这三个元素拆成三行，SQL如下：

select t.person, single_friend

from (

select person, friends

from t2 where person=‘tom’

) t LATERAL VIEW explode(t.friends) v as single_friend;

执行结果如下，可见数组中的每个元素都能拆成单独一行：

OK

t.person single_friend

tom tom_friend_0

tom tom_friend_1

tom tom_friend_2

Time taken: 0.058 seconds, Fetched: 3 row(s)

• 以上就是数组的基本操作，接下来是键值对；

MAP，建表，导入数据

• 接下来打算创建名为t3的表，只有person和address两个字段，person是字符串类型，address是MAP类型，通过文本文件导入数据时，对分隔符的定义如下：

1. person和address之间的分隔符是竖线；

2. address内部有多个键值对，它们的分隔符是逗号；

3. 而每个键值对的键和值的分隔符是冒号；

• 满足上述要求的建表语句如下所示：

create table if not exists t3(

person string,

address map<string, string>

)

row format delimited

fields terminated by ‘|’

collection items terminated by ‘,’

map keys terminated by ‘:’;

• 创建文本文件003.txt，可见用了三种分隔符来分隔字段、MAP中的多个元素、每个元素键和值：

tom|province:guangdong,city:shenzhen

jerry|province:jiangsu,city:nanjing

• 导入003.txt的数据到t3表：

load data local inpath ‘/home/hadoop/temp/202010/25/003.txt’ into table t3;

MAP，查询

1. 查看全部数据：

hive> select * from t3;

OK

t3.person t3.address

tom {“province”:“guangdong”,“city”:“shenzhen”}

jerry {“province”:“jiangsu”,“city”:“nanjing”}

Time taken: 0.075 seconds, Fetched: 2 row(s)

2. 查看MAP中的某个key，语法是field[“xxx”]：

hive> select person, address[“province”] from t3;

OK

person _c1

tom guangdong

jerry jiangsu

Time taken: 0.075 seconds, Fetched: 2 row(s)

3. 使用if函数，下面的SQL是判断address字段中是否有"street"键，如果有就显示对应的值，没有就显示filed street not exists：

select person,

if(address[‘street’] is null, “filed street not exists”, address[‘street’])

from t3;

输出如下，由于address字段只有province和city两个键，因此会显示filed street not exists：

OK

tom filed street not exists

jerry filed street not exists

Time taken: 0.087 seconds, Fetched: 2 row(s)

4. 使用explode将address字段的每个键值对展示成一行：

hive> select explode(address) from t3;

OK

province guangdong

city shenzhen

province jiangsu

city nanjing

Time taken: 0.081 seconds, Fetched: 4 row(s)

5. 上面的explode函数只能展示address字段，如果还要展示其他字段就要继续LATERAL VIEW语法，如下，可见前面的数组展开为一个字段，MAP展开为两个字段，分别是key和value：

select t.person, address_key, address_value

from (

select person, address

from t3 where person=‘tom’

) t LATERAL VIEW explode(t.address) v as address_key, address_value;

结果如下：

OK

tom province guangdong

tom city shenzhen

Time taken: 0.118 seconds, Fetched: 2 row(s)

6. size函数可以查看MAP中键值对的数量：

hive> select person, size(address) from t3;

OK

tom 2

jerry 2

Time taken: 0.082 seconds, Fetched: 2 row(s)

STRUCT

1. STRUCT是一种记录类型，它封装了一个命名的字段集合，里面有很多属性，新建名为t4的表，其info字段就是STRUCT类型，里面有age和city两个属性，person和info之间的分隔符是竖线，info内部的多个元素之间的分隔符是逗号，注意声明分隔符的语法：

create table if not exists t4(

person string,

info struct<age:int, city:string>

)

row format delimited

fields terminated by ‘|’

collection items terminated by ‘,’;

2. 准备好名为004.txt的文本文件，内容如下：

tom|11,shenzhen

jerry|12,nanjing

3. 加载004.txt的数据到t4表：

load data local inpath ‘/home/hadoop/temp/202010/25/004.txt’ into table t4;

4. 查看t4的所有数据：

hive> select * from t4;

OK

tom {“age”:11,“city”:“shenzhen”}

jerry {“age”:12,“city”:“nanjing”}

Time taken: 0.063 seconds, Fetched: 2 row(s)

5. 查看指定字段，用filedname.xxx语法：

hive> select person, info.city from t4;

OK

tom shenzhen

jerry nanjing

Time taken: 0.141 seconds, Fetched: 2 row(s)

UNION

• 最后一种是UNIONTYPE，这是从几种数据类型中指明选择一种，由于UNIONTYPE数据的创建设计到UDF（create_union），这里先不展开了，先看看建表语句：

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

• 查询结果：