HIVE表中默認(rèn)將NULL存為\N，可查看表的源文件（hadoop fs -cat或者h(yuǎn)adoop fs -text），文件中存儲(chǔ)大量\N，這樣造成浪費(fèi)大量空間。而且用java、python直接進(jìn)入路徑操作源數(shù)據(jù)時(shí)，解析也要注意。

另外，hive表的源文件中，默認(rèn)列分隔符為\001(SOH)，行分隔符為\n（目前只支持\n，別的不能用，所以定義時(shí)不需要顯示聲明）。元素間分隔符\002，map中key和value的分隔符為\003。

舉例，如源文件中一條記錄為：

10000042SOH77SOH435SOH16SOH22SOH1156120000SOH\NSOH\NSOH\NSOH\NSOH\NSOH\NSOH\NSOHyoukuSOH85133.0SOH111

可以看出存儲(chǔ)NULL的\N 浪費(fèi)了大量空間。

但hive的NULL有時(shí)候是必須的：

• 1）hive中insert語句必須列數(shù)匹配，不支持不寫入，沒有值的列必須使用null占位。
• 2）hive表的數(shù)據(jù)文件中按分隔符區(qū)分各個(gè)列?？樟袝?huì)保存NULL（\n）來保留列位置。但外部表加載某些數(shù)據(jù)時(shí)如果列不夠，如表13列，文件數(shù)據(jù)只有2列，則在表查詢時(shí)表中的末尾剩余列無數(shù)據(jù)對應(yīng)，自動(dòng)顯示為NULL。

所以，NULL轉(zhuǎn)化為空字符串，可以節(jié)省磁盤空間，實(shí)現(xiàn)方法有幾種

1）建表時(shí)直接指定（兩種方式）

a、用語句

ROW FORMAT SERDE ‘org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'with serdeproperties('serialization.null.format' = '')

實(shí)現(xiàn)，注意兩者必須一起使用，如

   CREATE TABLE hive_tb (id int,name STRING)
   PARTITIONED BY ( `day` string,`type` tinyint COMMENT '0 as bid, 1 as win, 2 as ck', `hour` tinyint)
   ROW FORMAT SERDE ‘org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'
   WITH SERDEPROPERTIES (
        ‘field.delim'='/t',
        ‘escape.delim'='//',
        ‘serialization.null.format'=''
   ) STORED AS TEXTFILE;

b、或者通過ROW FORMAT DELIMITED NULL DEFINED AS '' 如

? ?CREATE TABLE hive_tb (id int,name STRING)
? ?PARTITIONED BY ( `day` string,`type` tinyint COMMENT '0 as bid, 1 as win, 2 as ck', `hour` tinyint)
? ?ROW FORMAT DELIMITED?
? ? ? ? NULL DEFINED AS ''?
? ?STORED AS TEXTFILE;

2）修改已存在的表

    alter table hive_tb set serdeproperties('serialization.null.format' = '');

節(jié)省空間的驗(yàn)證結(jié)果如下：

    hadoop fs -du /hivedata/warehouse/pmp.db/hive_tb/day=2016-05-14/type=1/hour=00/0*
    1137
    hadoop fs -du /hivedata/warehouse/pmp.db/hive_tb/day=2016-05-14/type=1/hour=01/0*
    319753
    -----------------------------------
    hadoop fs -du /hivedata/warehouse/pmp.db/hive_tb/day=2016-05-14/type=1/hour=00/0*
    885
    hadoop fs -du /hivedata/warehouse/pmp.db/hive_tb/day=2016-05-14/type=1/hour=01/0*
    249529

到此這篇關(guān)于關(guān)于Hive中的NULL空值處理問題的文章就介紹到這了,更多相關(guān)Hive中的NULL內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論