hive学习笔记之二：复杂数据类型

欢迎访问我的GitHub

https://github.com/zq2599/blog_demos

内容：所有原创文章分类汇总及配套源码，涉及Java、Docker、Kubernetes、DevOPS等；

《hive学习笔记》系列导航

1. 基本数据类型
2. 复杂数据类型
3. 内部表和外部表
4. 分区表
5. 分桶
6. HiveQL基础
7. 内置函数
8. Sqoop
9. 基础UDF
10. 用户自定义聚合函数(UDAF)
11. UDTF

本篇概览

• 作为《hive学习笔记》的第二篇，前面咱们了解了基本类型，本篇要学习的是复杂数据类型；
• 复杂数据类型一共有四种：

1. ARRAY：数组
2. MAP：键值对
3. STRUCT：命名字段集合
4. UNION：从几种数据类型中指明选择一种，UNION的值必须于这些数据类型之一完全匹配；

• 接下来逐个学习；

准备环境

1. 确保hadoop已经启动；
2. 进入hive控制台的交互模式；
3. 执行以下命令，使查询结果中带有字段名：

set hive.cli.print.header=true;

ARRAY

1. 创建名为t2的表，只有person和friends两个字段，person是字符串类型，friends是数组类型，通过文本文件导入数据时，person和friends之间的分隔符是竖线，friends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 t2(
person string,
friends array<string>
)
row format delimited 
fields terminated by '|'
collection items terminated by ',';  

2. 创建文本文件002.txt，内容如下，可见只有两条记录，第一条person字段值为tom，friends字段里面有三个元素，用逗号分隔：

tom|tom_friend_0,tom_friend_1,tom_friend_2
jerry|jerry_friend_0,jerry_friend_1,jerry_friend_2,jerry_friend_3,jerry_friend_4,jerry_friend_5

3. 执行以下语句，从本地的002.txt文件导入数据到t2表：

load data local inpath '/home/hadoop/temp/202010/25/002.txt' into table t2;

4. 查看全部数据：

hive> select * from t2;
OK
t2.person	t2.friends
tom	["tom_friend_0","tom_friend_1","tom_friend_2"]
jerry	["jerry_friend_0","jerry_friend_1","jerry_friend_2","jerry_friend_3","jerry_friend_4","jerry_friend_5"]
Time taken: 0.052 seconds, Fetched: 2 row(s)

5. 查询friends中的某个元素的SQL：

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

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<string>, struct<a:int,b:string>>);

• 查询结果：

SELECT foo FROM union_test;

{0:1}
{1:2.0}
{2:["three","four"]}
{3:{"a":5,"b":"five"}}
{2:["six","seven"]}
{3:{"a":8,"b":"eight"}}
{0:9}
{1:10.0}

• 至此，hive的基础数据类型和复杂数据类型咱们都实际操作过一遍了，接下来的文章将展开更多hive知识，期待与您共同进步；

你不孤单，欣宸原创一路相伴

1. Java系列
2. Spring系列
3. Docker系列
4. kubernetes系列
5. 数据库+中间件系列
6. DevOps系列

欢迎关注公众号：程序员欣宸

微信搜索「程序员欣宸」，我是欣宸，期待与您一同畅游Java世界...