Question

我有一个hive表A，它有一个uuid列，其类型是字符串

我想计算uuid不为0的uuids数量，我在下面写了sql

select
    count(distinct union_id)
from
   A
where dt = 20180610 and (union_id <> 0)

结果约为200万。

据我所知，我桌上的uuid大约有2000万，所以我开始检查错误。

最后，我发现我的uuid列是string，而不是int。我想也许有一些演员将uuid转换为0。然后我修改了我的程序如下：

select
   count(distinct union_id)
from
   A
where dt = 20180610 and (union_id <> '0')

它按照我的预期给出了大约2000万的数字。

我的uuid有两种格式，一种是长字符串，有很多字母，另一种只是一个数字字符串。我想第二种格式将被转换为0，但我不确定。

有人可以解释一下吗？

谢谢！

这里有一些uuid例子：

BE04A886FAE1F6BC00015A3A4C259466106F1EA587D74140E762E093FA6D58BB
9AF57081FE81FEA1EF88B293F82029418F6FBA19D8EB0F8BCCAEC3F033681F94
-8255088809384245133
976054595992186950

Answer 1

这种差异来自您的空值。 Hive将执行从字符串到double（和int到double）的隐式转换，尝试比较值（您可以看到隐式转换表here），但是对于空值（或非数值），比较结果将为null，使你的where条件为假

select "0" <> 0; -- false
select "hlagos" <> 0; -- NULL
select "" <> 0; -- NULL

比较正确的数据类型

时不会发生这种情况

select "" <> "0"; -- true

在hive中将字符串与int进行比较时会发生什么

1 个答案: