聊聊Hive中的集合数据类型

[[384722]]

本文转载自微信公众号「Java大数据与数据仓库」，作者柯同学。转载本文请联系Java大数据与数据仓库公众号。  

除了使用础的数据类型string等，Hive中的列支持使用struct, map, array集合数据类型。

1. Array的使用

创建数据库表，以array作为数据类型

create table  person(name string,work_locations array<string>) 
ROW FORMAT DELIMITED 
FIELDS TERMINATED BY '\t' 
COLLECTION ITEMS TERMINATED BY ','; 

数据

biansutao beijing,shanghai,tianjin,hangzhou 
linan changchu,chengdu,wuhan 

入库数据

LOAD DATA LOCAL INPATH '/home/hadoop/person.txt' OVERWRITE INTO TABLE person; 

查询

hive> select * from person; 
biansutao       ["beijing","shanghai","tianjin","hangzhou"] 
linan   ["changchu","chengdu","wuhan"] 
Time taken: 0.355 seconds 
hive> select name from person; 
linan 
biansutao 
Time taken: 12.397 seconds 
hive> select work_locations[0] from person; 
changchu 
beijing 
Time taken: 13.214 seconds 
hive> select work_locations from person;    
["changchu","chengdu","wuhan"] 
["beijing","shanghai","tianjin","hangzhou"] 
Time taken: 13.755 seconds 
hive> select work_locations[3] from person; 
NULL 
hangzhou 
Time taken: 12.722 seconds 
hive> select work_locations[4] from person; 
NULL 
NULL 
Time taken: 15.958 seconds 

2. Map 的使用

创建数据库表

create table score(name string, score map<string,int>) 
ROW FORMAT DELIMITED 
FIELDS TERMINATED BY '\t' 
COLLECTION ITEMS TERMINATED BY ',' 
MAP KEYS TERMINATED BY ':'; 

要入库的数据

biansutao '数学':80,'语文':89,'英语':95 
jobs '语文':60,'数学':80,'英语':99 

入库数据

LOAD DATA LOCAL INPATH '/home/hadoop/score.txt' OVERWRITE INTO TABLE score; 

查询

hive> select * from score; 
biansutao       {"数学":80,"语文":89,"英语":95} 
jobs    {"语文":60,"数学":80,"英语":99} 
Time taken: 0.665 seconds 
hive> select name from score; 
jobs 
biansutao 
Time taken: 19.778 seconds 
hive> select t.score from score t; 
{"语文":60,"数学":80,"英语":99} 
{"数学":80,"语文":89,"英语":95} 
Time taken: 19.353 seconds 
hive> select t.score['语文'] from score t; 
60 
89 
Time taken: 13.054 seconds 
hive> select t.score['英语'] from score t; 
99 
95 
Time taken: 13.769 seconds 

修改map字段的分隔符

Storage Desc Params:          
    colelction.delim        ##                   
    field.delim             \t                   
    mapkey.delim            =                    
    serialization.format    \t             

可以通过desc formatted tableName查看表的属性。

hive-2.1.1中，可以看出colelction.delim，这里是colelction而不是collection，hive里面这个单词写错了，所以还是要按照错误的来。

alter table t8 set serdepropertyes('colelction.delim'=','); 

3. Struct 的使用

创建数据表

CREATE TABLE test(id int,course struct<course:string,score:int>) 
ROW FORMAT DELIMITED 
FIELDS TERMINATED BY '\t' 
COLLECTION ITEMS TERMINATED BY ','; 

数据

1 english,80 
2 math,89 
3 chinese,95 

入库

LOAD DATA LOCAL INPATH '/home/hadoop/test.txt' OVERWRITE INTO TABLE test; 

查询

hive> select * from test; 
OK 
1       {"course":"english","score":80} 
2       {"course":"math","score":89} 
3       {"course":"chinese","score":95} 
Time taken: 0.275 seconds 
hive> select course from test; 
{"course":"english","score":80} 
{"course":"math","score":89} 
{"course":"chinese","score":95} 
Time taken: 44.968 seconds 
select t.course.course from test t;  
english 
math 
chinese 
Time taken: 15.827 seconds 
hive> select t.course.score from test t; 
80 
89 
95 
Time taken: 13.235 seconds 

4. 不支持组合的复杂数据类型

我们有时候可能想建一个复杂的数据集合类型，比如下面的a字段，本身是一个Map，它的key是string类型的，value是Array集合类型的。

建表

create table test1(id int,a MAP<STRING,ARRAY<STRING>>) 
row format delimited fields terminated by '\t'  
collection items terminated by ',' 
MAP KEYS TERMINATED BY ':'; 

导入数据

1 english:80,90,70 
2 math:89,78,86 
3 chinese:99,100,82 
 
LOAD DATA LOCAL INPATH '/home/hadoop/test1.txt' OVERWRITE INTO TABLE test1; 

这里查询出数据：

hive> select * from test1; 
OK 
1    {"english":["80"],"90":null,"70":null} 
2    {"math":["89"],"78":null,"86":null} 
3    {"chinese":["99"],"100":null,"82":null} 

可以看到，已经出问题了，我们意图是想"english":["80", "90", "70"]，实际上把90和70也当作Map的key了，value值都是空的。分析一下我们的建表语句，collection items terminated by ','制定了集合类型(map, struct, array)数据元素之间分隔符是", "，实际上map也是属于集合的，那么也会按照逗号分出3个key-value对;由于MAP KEYS TERMINATED BY ':'定义了map中key-value的分隔符是":"，第一个“english”可以准确识别，后面的直接把value置为"null"了。