Hive SQL 中 Hive 的数据类型

本文将介绍 Hive 中所支持的数据类型，帮助我们在编写 Hql 时正确把握数据类型，对于不匹配的数据类型进行必要的转换。

基本类型

在一张表中一个列是同一个类型，不同的列是不同的类型，这个和 Excel、关系型数据库相同。支持以下基元类型：

• 整型 Integers
  • TINYINT—1 byte integer（1 个字节的整形型）
  • SMALLINT—2 byte integer（2 个字节的整形型）
  • INT—4 byte integer（4 个字节的整形型）
  • BIGINT—8 byte integer（8 个字节的整形型）
• 布尔型 Boolean type
  • BOOLEAN—TRUE/FALSE（只有真/假两个种取值）
• 浮点数字 Floating point numbers
  • FLOAT—single precision（单精度）
  • DOUBLE—Double precision（双精度）
• 定点数 Fixed point numbers
  • DECIMAL — 用户定义的比例和精度的固定点值
• 字符型 String types
  • STRING — 指定字符集中的字符序列
  • VARCHAR — 指定字符集中具有最大长度的字符序列
  • CHAR — 指定字符集中具有最大长度的字符序列
• 日期时间类型 Date and time types
  • TIMESTAMP — 没有时区的日期和时间 ("LocalDateTime" 语意)
  • TIMESTAMP WITH LOCAL TIME ZONE — 精度到纳秒的时间点 ("Instant" 语意)
  • DATE — 一个日期
• 二进制类型 Binary types
  • BINARY — 字节序列

解释：

• 单精度浮点数bai占用4个字节du（32位）存储空间来存储一个浮点数，包括符号位1位，阶码8位，尾数23位。而双精度浮点数使用 8个字节（64位）存储空间来存储一个浮点数，包括符号位1位，阶码11位，尾数52位。因此，它们的数值范围不同。
• DECIMAL 可以理解为可以定义几位小数的数字。

层次结构

这些类型按以下层次结构组织（其中父实例是所有子实例的超级类型）：

• Number
  • DOUBLE
    • FLOAT
      • BIGINT
        • INT
          • SMALLINT
            • TINYINT
    • STRING（与 FLOAT 对齐）
• BOOLEAN（与 Number 对齐）

从子类型到祖先类型允许隐式转换，此类型层次结构定义了如何在查询语言中隐式转换类型。因此，当查询表达式需要 type1 并且数据是 type2 时，如果 type1 是类型层次结构中 type2 的祖先，那么 type2 将隐式转换为 type1 。

请注意，类型层次结构允许将字符串隐式转换为 DOUBLE。显式类型转换可以使用 cast 运算符完成。

复合类型

可以使用以下方法从基本类型和其他复合类型构建复杂类型：

• 结构体 Structs：可以使用点（. , the DOT）符号访问类型中的元素。例如，列 c 的类型是一个 STRUCT，形式如 {a INT; b INT}，其中一个字段 a 查由表达式 c.a 来访问；
• 图映射 Maps (key-value tuples)：用键-值对组成的元组表示，其中的元素用 ['element name'] 标号来访问。例如，一个图映射 M 为 'group' -> gid 形式， gid 值可以用 M['group'] 来访问；
• 数组 Arrays (indexable lists)：它是一个可索引的列表，数组中的元素必须是同一类型。可以使用 [n] 表示法访问元素，其中 n 是数组中的索引（从0开始）。例如，对于具 ['a', 'b', 'c']，A[1] 返回 'b'。

使用基本类型和用于创建复杂类型的构造，可以创建具有任意嵌套级别的类型。例如，定义一个 User 类型，包括以下字段：

• gender — 它是一个 STRING.
• active — 它是一个 BOOLEAN.

时间戳

时间戳一直是许多混乱的根源，因此我们试图记录 Hive 的预期语义。

Timestamp ("LocalDateTime" 语意)

Java 的 "LocalDateTime" 有时间将日期和时间记录为年、月、日、时、分和秒，它不带时区。无论本地时区如何，这些时间戳总是具有相同的值。

例如，“2021-03-01 12:34:56”的时间戳值被分解为年、月、日、时、分、秒字段，但没有可用的时区信息。它不对应于任何特定的瞬间。无论本地时区如何，它都将始终是相同的值。除非您的应用程序一致地使用 UTC，否则对于大多数应用程序，带本地时区的时间戳比时间戳更受欢迎。当用户说一个事件发生在 10:00 时，它总是指某个时区，表示某个时间点，而不是任意时区的 10:00。

Timestamp 本地时区 ("Instant" 语意)

Java 的 “Instant” 时间戳定义了一个时间点，不管数据从何处读取该时间点保持不变。因此，时间戳将由本地时区调整以匹配原始时间点。

举例

类型	洛杉矶	纽约
timestamp	2014-12-12 12:34:56	2014-12-12 12:34:56
timestamp with local time zone	2014-12-12 12:34:56	2014-12-12 15:34:56

参考

• https://cwiki.apache.org/confluence/display/Hive/Tutorial#Tutorial-TypeSystem
• https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Types

---