Hive改表结构的两个坑|避坑指南

Hive在大数据中可能是数据工程师使用的最多的组件，常见的数据仓库一般都是基于Hive搭建的，在使用Hive时候，遇到了两个奇怪的现象，今天给大家聊一下，以后遇到此类问题知道如何避坑！

坑一：改变字段类型后更新数据不成功

关于hive插入数据的一个小坑，今天插入一个表中数据，插入时写的是常数，比如0.01 ，表中的字段也是DECIMAL(5,2)，按照常理插入的应该是0.01，但是插入后查询是0，为甚！

遇到问题，咱也不能退缩！就分析呀，看语句没问题啊！还是上网查查有没有坑友。查了一圈发现还是观望最靠谱！上hive官网查，呀~ 发现了原因！

https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Types#LanguageManualTypes-Decimals

根据官网描述，发现在插入分区表时会出现这种情况，此时需要对之前的分区处理下~：

那就测试一下 按照官网的说法:

先建表：

CREATE TABLE `tb_dw_test`(
  `a` int COMMENT '微信服务量')
PARTITIONED BY (
  `statis_date` varchar(8))
ROW FORMAT DELIMITED
  FIELDS TERMINATED BY '|' ;

然后插入数据：

insert overwrite table tb_dw_test partition (statis_date=20160501) values(1.02);

然后查询：

hive> select * from tb_dw_test;
OK
1                         20160501

发现结果跟想象中的一样~

然后修改表字段：

ALTER TABLE tb_dw_test REPLACE COLUMNS (a DECIMAL(5,2))

然后再次插入数据：

insert overwrite table tb_dw_test partition (statis_date=20160501) values(1.02);

查询：

hive> select * from tb_dw_test;
OK
1           20160501

发现有问题啦！

那么按照官网处理：

Determine what precision/scale you would like to set for the decimal column in the table. For each decimal column in the table, update the column definition to the desired precision/scale using the ALTER TABLE command:

ALTER TABLE foo CHANGE COLUMN dec_column_name dec_column_name DECIMAL(38,18);

If the table is a partitioned table, then find the list of partitions for the table:If the table is not a partitioned table, then you are done.  If the table has partitions, then go on to step 3

SHOW PARTITIONS foo;
 
ds=2008-04-08/hr=11
ds=2008-04-08/hr=12
...

This can be done with a single ALTER TABLE CHANGE COLUMN by using dynamic partitioning (available for ALTER TABLE CHANGE COLUMN in Hive 0.14 or later, with HIVE-8411):Each existing partition in the table must also have its DECIMAL column changed to add the desired precision/scale.

SET hive.exec.dynamic.partition = true;  -- hive.exec.dynamic.partition needs to be set to true to enable dynamic partitioning with ALTER PARTITION-- This will alter all existing partitions of the table - be sure you know what you are doing!ALTER TABLE foo PARTITION (ds, hr) CHANGE COLUMN dec_column_name dec_column_name DECIMAL(38,18);

所以参照官网，这里对表作如下处理：

ALTER TABLE tb_dw_test PARTITION (statis_date) CHANGE COLUMN a a DECIMAL(5,2);

再次插入数据：

insert overwrite table tb_dw_test partition (statis_date=20160501) values(1.02);

然后查询：

hive> select * from tb_dw_test;
OK
1.02                20160501
Time taken: 0.066 seconds, Fetched: 1 row(s)

发现结果跟想象中的一样了。这个坑算是过去了~

坑二：增加字段后更新数据不成功

还是上面的例子那张表，再增加一个字段：

alter table tb_dw_test add COLUMNS (b varchar(5))

然后查询

hive> select * from tb_dw_test;
OK
1.02    NULL    20160501
Time taken: 0.082 seconds, Fetched: 1 row(s)

发现新增的字段默认的值是NULL，现在我重新覆盖一下元数据，给增加的字段一个值：

insert overwrite table tb_dw_test partition(statis_date=20160501) values (2.01,0371);

然后查询：

hive> select * from tb_dw_test;
OK
2.01    NULL    20160501

不是我们想象的结果,查看一下官方文档说明发现了问题的所在：https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL#LanguageManualDDL-Add/ReplaceColumns

‍

靠谱的官网用红色框框提示我们！那就这样处理：

alter table tb_dw_test replace COLUMNS (a  decimal(5,2),b varchar(5)) CASCADE;

直接查询，发现数据显示的数据已经发生了变化了~

hive> select * from tb_dw_etst;
OK
2.01    0371    20160501

避坑指南

综上发现，我们是按照Oracle这样的标准在考虑HiveSQL，但是通过阅读官方文档发现二者之间还是有很大不同的，底层原理差别还是有点大！通过这两次踩坑发现，仔细阅读官方文档的重要性！！！

所以，以后大家遇到大数据开源组件的报错问题，第一就是去找官方文档，然后就去找社区，总能发现惊喜！