Hive的数据类型及文件格式

1. 基本数据类型

Hive数据类型	对应Java数据类型	长度	例子
TINYINT	byte	1byte有符号整数(-128 ~ 127)	5
SMALINT	short	2byte有符号整数(-32,768 ~ 32,767)	5
INT	int	4byte有符号整数(-2,147,483,648 ~ 2,147,483,647)	55
BIGINT	long	8byte有符号整数(-9,223,372,036,854,775,808 ~ 9,223,372,036,854,775,807)	5
BOOLEAN	boolean	布尔类型，true或者false	TRUE/FALSE
FLOAT	float	单精度浮点数	3.14159
DOUBLE	double	双精度浮点数	3.141592653
STRING	string	字符串类型，可以使用单引号或者双引号	'hello world'或"hello world"
TIMESTAMP	时间类型	unix	1628664897605
BINARY	字节数组
DECIMAL		从Hive0.11.0开始支持	DECIMAL(9, 7)

备注：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。

2. 复杂数据类型

数据类型	语法示例	描述
MAP	MAP<STRING,FLOAT>	MAP包含key->value键值对，可以通过key来访问元素。比如”userlist”是一个map类型，其中username是key，password是value；那么我们可以通过userlist['username']来得到这个用户对应的password；
ARRAY	ARRAY<STRING>	ARRAY类型是由一系列相同数据类型的元素组成，这些元素可以通过下标来访问。比如有一个ARRAY类型的变量fruits，它是由['apple','orange','mango']组成，那么我们可以通过fruits[1]来访问元素orange，因为ARRAY类型的下标是从0开始的；
STRUCT	STRUCT<CITY:STRING, AREA:STRING, STREET:STRING, NUMBER:INT>	STRUCT可以包含不同数据类型的元素。这些元素可以通过”点语法”的方式来得到所需要的元素，比如user是一个STRUCT类型，那么可以通过user.address得到这个用户的地址。
UNION		UNIONTYPE，他是从Hive 0.7.0开始支持的。

建表：

create table if not exists
student(
  id INT,
  name STRING,
  cource ARRAY<STRING>,
  body MAP<STRING,FLOAT>,
  address STRUCT<CITY:STRING,AREA:STRING,STREET:STRING,NUMBER:INT>
) 
row format delimited fields terminated by ',' 
COLLECTION ITEMS TERMINATED BY '_' 
MAP KEYS TERMINATED BY ':'
LINES TERMINATED BY '\n'
STORED AS TEXTFILE;

load data local inpath '/home/pro/student.text' into table student;
 
select * from student;

• 建表时使用 STORED AS 子句指定文件存储的格式，该子句表示了该表是以何种文件形式存储在文件系统。
• 数据格式：数据存储在文本文件中，需要按照一定的格式区分行和列并且向Hive指明，Hive才能将其识别，常见的格式有CSV（逗号分隔）和TSV（制表符分隔）。

• row format delimited fields terminated by ','  -- 列分隔符

  collection items terminated by '_'      --MAP STRUCT 和 ARRAY 的分隔符(数据分割符号)

  map keys terminated by ':'                -- MAP中的key与value的分隔符

  lines terminated by '\n';                    -- 行分隔符
  (可以看到，我们定义了三种不同的集合类型字段，并指定了集合类型的分隔符为"_"，即struct，array，以及map的不同kv之间用"_"分割，同时定义了map的key和value之间用":"分割。)

1,文文,语文_数学_英语_音乐,Height:165_weight:50,深圳_福田区_益田路_5023
2,毛毛,语文_数学_英语_体育,Height:175_weight:60,深圳_南山区_深南大道_9037
3,超超,语文_数学_英语_美术,Height:170_weight:60,深圳_罗湖区_深南东路_5002

select * from student;

3. 数据类型转换

Hive的原子数据类型是可以进行隐式转换的，类似于Java的类型转换，例如某表达式使用INT类型，TINYINT会自动转换为INT类型，但是Hive不会进行反向转化，例如，某表达式使用TINYINT类型，INT不会自动转换为TINYINT类型，它会返回错误，除非使用CAST操作。

隐式类型转换规则:

下表列出了Hive内置的数据类型之间是否可以进行隐式的转换操作:

	bl	tinyint	si	int	bigint	float	double	dm	string	vc	ts	date	ba
boolean	true	false	false	false	false	false	false	false	false	false	false	false	false
tinyint	false	true	true	true	true	true	true	true	true	true	false	false	false
smallint	false	false	true	true	true	true	true	true	true	true	false	false	false
int	false	false	false	true	true	true	true	true	true	true	false	false	false
bigint	false	false	false	false	true	true	true	true	true	true	false	false	false
float	false	false	false	false	false	true	true	true	true	true	false	false	false
double	false	false	false	false	false	false	true	true	true	true	false	false	false
decimal	false	false	false	false	false	false	false	true	true	true	false	false	false
string	false	false	false	false	false	false	true	true	true	true	false	false	false
varchar	false	false	false	false	false	false	true	true	true	true	false	false	false
ts	false	false	false	false	false	false	false	false	true	true	true	false	false
date	false	false	false	false	false	false	false	false	true	true	false	true	false
binary	false	false	false	false	false	false	false	false	false	false	false	false	true

注：由于表格比较大，这里对一些比较长的字符串进行缩写，ts是timestamp的缩写,bl是boolean的缩写,sl是smallint的缩写,dm是decimal的缩写,vc是varchar的缩写,ba是binary的缩写。

• 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。
• 所有整数类型、FLOAT和STRING类型都可以隐式地转换成DOUBLE。
• TINYINT、SMALLINT、INT都可以转换为FLOAT。
• BOOLEAN类型不可以转换为任何其它的类型。

使用CAST操作显示进行数据类型转换:

• 例如CAST('1' AS INT)将把字符串'1' 转换成整数1；如果强制类型转换失败，如执行CAST('X' AS INT)，表达式返回空值 NULL。
• 对于BINARY类型的数据，只能将BINARY类型的数据转换成STRING类型。如果你确信BINARY类型数据是一个数字类型(a number)，这时候你可以利用嵌套的cast操作，比如a是一个BINARY，且它是一个数字类型，那么你可以用下面的查询：

  SELECT (cast(cast(a as string) as double)) from src;

• 对于Date类型的数据，只能在Date、Timestamp以及String之间进行转换。下表将进行详细的说明：

  有效的转换	                结果
  cast(date as date)	        返回date类型
  cast(timestamp as date)	    timestamp中的年/月/日的值是依赖与当地的时区，结果返回date类型
  cast(string as date)	    如果string是YYYY-MM-DD格式的，则相应的年/月/日的date类型的数据将会返回；但如果string不是YYYY-MM-DD格式的，结果则会返回NULL。
  cast(date as timestamp)	    基于当地的时区，生成一个对应date的年/月/日的时间戳值
  cast(date as string)	    date所代表的年/月/日时间将会转换成YYYY-MM-DD的字符串。

4. 文件格式

• TEXTFILE //文本，默认值
• SEQUENCEFILE // 二进制序列文件
• RCFILE //列式存储格式文件 Hive0.6以后开始支持
• ORC //列式存储格式文件，比RCFILE有更高的压缩比和读写效率，Hive0.11以后开始支持
• PARQUET //列式存储格式文件，Hive0.13以后开始支持