Hive兼容数据类型版本是MaxCompute三种数据类型版本之一,该数据类型版本下仅支持Hive兼容数据类型。本文为您介绍Hive兼容数据类型版本的定义、支持的数据类型以及与其他数据类型版本的差异。

定义

项目空间选择数据类型版本为Hive兼容数据类型版本时,项目空间的数据类型属性参数定义如下。
setproject odps.sql.type.system.odps2=true; --打开MaxCompute 2.0数据类型。
setproject odps.sql.decimal.odps2=true; --打开Decimal 2.0数据类型。
setproject odps.sql.hive.compatible=true; --打开Hive兼容模式。

适用场景

适用于从Hadoop迁移的MaxCompute项目,且该项目依赖的产品组件支持2.0数据类型版本。

基础数据类型

Hive兼容数据类型版本支持的基础数据类型与2.0数据类型定义基本一致,只有DECIMAL数据类型在两个版本下有些差异。
类型常量示例描述
TINYINT1Y、-127Y8位有符号整型。

取值范围:-128~127。

SMALLINT32767S、-100S16位有符号整型。

取值范围:-32768~32767。

INT1000、-1564578732位有符号整型。

取值范围:-2 31~2 31-1。

BIGINT100000000000L、-1L64位有符号整型。

取值范围:-2 63+1~2 63 -1。

BINARYunhex('FA34E10293CB42848573A4E39937F479')二进制数据类型,目前长度限制为8MB。
FLOATcast(3.14159261E+7 as float)32位二进制浮点型。
DOUBLE3.14159261E+764位二进制浮点型。
DECIMAL(precision,scale)3.5BD、 99999999999.9999999BD10进制精确数字类型。
  • precision:表示最多可以表示多少位的数字。取值范围:1 <= precision <= 38
  • scale:表示小数部分的位数。取值范围:0 <= scale <= 18

如果不指定以上两个参数,则默认为decimal(10,0)

VARCHAR(n)变长字符类型,n为长度。

取值范围:1~65535。

CHAR(n)固定长度字符类型,n为长度。最大取值255。长度不足则会填充空格,但空格不参与比较。
STRING"abc"、'bcd'、"alibaba"、'inc'字符串类型,长度限制为8 MB。
DATEDATE'2017-11-11'日期类型,格式为yyyy-mm-dd

取值范围:0000-01-01~9999-12-31。

DATETIMEDATETIME'2017-11-11 00:00:00'日期时间类型。

取值范围:0000-01-01 00:00:00.000~9999-12-31 23:59:59.999,精确到毫秒。

TIMESTAMPTIMESTAMP'2017-11-11 00:00:00.123456789'与时区无关的时间戳类型。

取值范围:0000-01-01 00:00:00.000000000~9999-12-31 23:59:59.999999999,精确到纳秒。

说明 对于部分时区相关的函数,例如cast(<a timestamp> as string),要求TIMESTAMP按照与当前时区相符的方式来展现。
BOOLEANTrue、FalseBOOLEAN类型。

取值范围:True、False。

数据类型说明如下:
  • 上述的各种数据类型均可以为NULL。
  • SQL中的INT关键字是32位整型。
    --将a转换为32位整型。
    cast(a as INT)
  • 整型常量的语义会默认为INT类型。例如SELECT 1 + a;中的整型常量1会被作为INT类型处理。如果常量过长,超过了INT的值域而又没有超过BIGINT的值域,则会作为BIGINT类型处理;如果超过了BIGINT的值域,则会被作为DOUBLE类型处理。
  • 隐式转换
    • 部分隐式类型转换会被禁用。例如,STRING->BIGINT、STRING->DATETIME、DOUBLE->BIGINT、DECIMAL->DOUBLE、DECIMAL->BIGINT有精度损失或者报错的风险。禁用类型可以通过CAST函数强制进行数据类型转换。
    • VARCHAR类型常量可以通过隐式转换为STRING常量。
  • 表、函数以及UDF
    • 参数涉及2.0数据类型的内置函数,可以正常使用。
    • UDF包含的数据类型都会按照Hive兼容数据类型进行解析重载。
    • 分区列支持STRING、VARCHAR、CHAR、TINYINT、SMALLINT、INT、BIGINT数据类型。
    • Hive模式下,部分函数不支持分区裁剪,详情请参见与Hive、MySQL、Oracle内建函数对照表
  • STRING常量支持连接。例如,abc和xyz会解析为abcxyz。
  • 给DECIMAL字段插入常量时,常量的写法需要与常量定义中的格式保持一致。例如下面示例代码中的3.5BD
    insert into test_tb(a) values (3.5BD)
  • DATETIME查询显示的时间值不包含毫秒。Tunnel命令通过-dfp来指定时间格式,可以指定到毫秒显示,例如tunnel upload -dfp 'yyyy-MM-dd HH:mm:ss.SSS'。关于Tunnel命令的更多信息,请参见Tunnel命令

复杂数据类型

类型定义方法构造方法
ARRAY
  • array<int>
  • array<struct<a:int, b:string>>
  • array(1, 2, 3)
  • array(array(1, 2), array(3, 4))
MAP
  • map<string, string>
  • map<smallint, array<string>>
  • map(“k1”, “v1”, “k2”, “v2”)
  • map(1S, array(‘a’, ‘b’), 2S, array(‘x’, ‘y’))
STRUCT
  • struct<x:int, y:int>
  • struct<field1:bigint, field2:array<int>, field3:map<int, int>>
  • named_struct(‘x’, 1, ‘y’, 2)
  • named_struct(‘field1’, 100L, ‘field2’, array(1, 2), ‘field3’, map(1, 100, 2, 200))
说明 MaxCompute的复杂数据类型可以被嵌套使用,相关的内建函数说明请参见ARRAYMAPSTRUCT

与其他数据类型版本的差异

  • INSERT语句转换规则不同。
    • Hive兼容数据类型:源数据类型如果可以显式转换为表中的数据类型,系统会自动插入转换函数并允许运行。
    • 1.0和2.0数据类型版本:源数据类型需要隐式转换为表中的数据类型,否则报错。
      --在Hive模式下成功,在其他模式下报错。
      create table t (a bigint); 
      insert into table select 1.5; 
  • 函数行为差异
    • + -*/、POW函数
      • Hive兼容数据类型版本:在数据溢出时绕回(即数据超出范围后返回初始值)。
      • 1.0和2.0数据类型版本:在数据溢出时报告异常,其它模式下返回NULL。
    • >>==<<=
      • Hive兼容数据类型版本:在比较DOUBLE类型数据时,直接比较Double值。
      • 1.0和2.0数据类型版本:在比较DOUBLE类型数据时,如果小数点后15位以前数据相同,认为数据相同。15位以后的数据不作比较。
    • 位操作运算符&|^
      • Hive兼容数据类型版本:返回参数类型。
      • 1.0和2.0数据类型版本:返回类型为BIGINT。
    • LENGTH、LENGTHB、FIND_IN_SET、INSTR、SIZE、HASH、SIGN函数
      • Hive兼容数据类型版本:返回类型为INT。
      • 1.0和2.0数据类型版本:返回类型为BIGINT。
    • FLOOR、CEIL
      • Hive兼容数据类型版本:如果参数为DECIMAL类型,在Hive兼容数据类型版本下返回类型仍为DECIMAL。
      • 1.0和2.0数据类型版本:如果参数为DECIMAL类型,在1.0和2.0数据类型版本下返回类型为BIGINT。
    • FROM_UNIXTIME
      • Hive兼容数据类型版本:返回值为STRING类型。
      • 1.0和2.0数据类型版本:返回值为DATETIME类型。
    • CONCAT_WS
      • Hive兼容数据类型版本:如果一个被连接的输入字符串为NULL,此字符串被忽略。
      • 1.0和2.0数据类型版本:如果一个被连接的输入字符串为NULL,则返回NULL。
    • FIND_IN_SET
      • Hive兼容数据类型版本:空字符串认为匹配字符串尾部。
        --Hive兼容模式下 
        find_in_set("","")  结果是1。
        find_in_set("", "a,") 结果是2。
      • 1.0和2.0数据类型版本:空字符串认为不匹配返回0。
    • REGEXP_(EXTRACT/REPLACE)
      • Hive兼容数据类型版本:REGEXP的模式定义符合Java regex规范。
      • 1.0和2.0数据类型版本:REGEXP的模式定义符合MaxCompute规范。
    • SUBSTR
      string substr(string <str>, bigint <start_position>[, bigint <length>])

      start_position:必填,为BIGINT类型,默认起始位置为1。

      • Hive兼容数据类型版本:当start_position为0时,与起始位置为1时相同。
      • 1.0和2.0数据类型版本:当start_position为0时,返回NULL。