为什么Hive中的SUM（a + b）！= SUM（a）+ SUM（b）？

Question

我正在运行Hive 1.1.0，看到对于两个bigint列，active_users和inactive_users，SUM(active_users + inactive_users) <SUM(active_users) + SUM(inactive_users)。

既然是简单的整数加法，为什么会这样呢？

Answer 1

当一个但不是两个值均为NULL时就是这种情况。

所以，请考虑：

 a     b
 1     1
 2     NULL
 NULL  3

然后sum(a) + sum(b)是(1 + 2)和(1 + 3) = 7的总和。NULL被忽略。

但是，sum(a + b)是以下各项的总和：

 (1 + 1)
 (2 + NULL)
 (NULL + 3) 

计算结果为：

 2
 NULL
 NULL

NULL被忽略，因此结果为2。

换句话说，SUM()会忽略NULL个值，而+不会。

Answer 2

有2种可能性：

1）如果列可为空，则不处理NULL值

SUM(active_users + inactive_users) 
SUM(active_users) + SUM(inactive_users)

-- should be
SUM(COALESCE(active_users,0) + COALESCE(inactive_users,0)) 
SUM(COALESCE(active_users,0)) + SUM(COALESCE(inactive_users,0))

2）如果列的数据类型不正确，例如FLOAT，则可能会累积舍入错误。

更多信息：Avg of float inconsistency