如果我在 Hive 中定义一个表，并且将基于日期进行分区，并且我的日期格式为 YYYYMMDD，我应该为类型、int 还是 string 选择哪个？
如果它只是一个字段，因此在我为表提供的文件中，我可以看到使用字符串，即使只是为了搜索和识别可能进入我的数据的格式错误的条目。但由于我将指定分区作为加载过程的一部分，我知道我将始终拥有正确形成的值。
在Where子句中使用时，分区字段通常为相等或小于/大于逻辑。
问问题
8132 次
2 回答
5
在 Hive 中，日期通常被视为字符串。如果您查看所有可用的日期操作 UDF，它们使用字符串类型，因此如果您使用整数，则每次都必须转换它们。
从概念上讲，我认为使用字符串更有意义，您的 YYYYMMDD 只是日期对象的文字表示，但它隐含地等同于 YYYY-MM-DD 或 DDMMYYYY。因此，如果您在这里使用整数，则进行此类比较会变得很痛苦。
请注意，您还可以将 Hive 中的字符串与相等/大于/小于运算符进行比较，如果您想选择一系列分区，您可以使用这些运算符轻松地做到这一点。
我看到使用“日期”作为整数的唯一情况是使用时间戳（Unix 风格），因为它是一个连续值并且代表一个真实可测量的数量。
于 2013-03-04T17:42:41.623 回答
4
因为 YYYY-MM-DD 是日期表示的标准，并且是 hive 的 to_date() UDF 的输出，所以它还允许你做一些懒惰的事情，比如 select * from foo where day>'2013'
于 2013-03-07T06:15:31.470 回答