今天发现hive 在使用 case when then else end 方式下会存在BUG, 具体表现如下,
现有表: t_aa_pc_log, 其中一个字段为channel, 当channel值为'NA'或者'EMPTY'时
设置为'A', 其他值设置为'B', 然后输出channel值为'A'的前10个记录

查询一:根据需求写出SQL:

  1. select a.channel 
  2. from 
  3.   select case when channel = 'NA' or channel = 'EMPTY' then 'A' else 'B' end as channel  
  4.   from t_aa_pc_log where pt = '2012-04-10-00' 
  5. )a where a.channel='A' limit 10; 

查询结果为空:

  1. hive>  
  2.     >  
  3.     >  
  4.     > select a.channel 
  5.     > from 
  6.     > ( 
  7.     >   select case when channel = 'NA' or channel = 'EMPTY' then 'A' else 'B' end as channel  
  8.     >   from t_aa_pc_log where pt = '2012-04-10-00' 
  9.     > )a where a.channel='A' limit 10; 
  10. Total MapReduce jobs = 1 
  11. Launching Job 1 out of 1 
  12. Number of reduce tasks is set to 0 since there's no reduce operator 
  13. Starting Job = job_201205162059_1490941, Tracking URL = http://jt.dc.sh-wgq.sdo.com:50030/jobdetails.jsp?jobid=job_201205162059_1490941 
  14. Kill Command = /home/hdfs/hadoop-current/bin/hadoop job  -Dmapred.job.tracker=10.133.10.103:50020 -kill job_201205162059_1490941 
  15. 2012-07-05 14:00:10,528 Stage-1 map = 0%,  reduce = 0
  16. 2012-07-05 14:00:14,669 Stage-1 map = 100%,  reduce = 0
  17. 2012-07-05 14:00:15,731 Stage-1 map = 100%,  reduce = 100
  18. Ended Job = job_201205162059_1490941 
  19. OK 
  20. Time taken: 9.974 seconds 
  21. hive>  

查询二:去掉外部查询的where条件:

  1. select a.channel 
  2. from 
  3.   select case when channel = 'NA' or channel = 'EMPTY' then 'A' else 'B' end as channel  
  4.   from t_aa_pc_log where pt = '2012-04-10-00' 
  5. )a limit 10; 

查询结果有值:

  1. hive> select a.channel 
  2.     > from 
  3.     > ( 
  4.     >   select case when channel = 'NA' or channel = 'EMPTY' then 'A' else 'B' end as channel  
  5.     >   from t_aa_pc_log where pt = '2012-04-10-00' 
  6.     > )a limit 10; 
  7. Total MapReduce jobs = 1 
  8. Launching Job 1 out of 1 
  9. Number of reduce tasks is set to 0 since there's no reduce operator 
  10. Starting Job = job_201205162059_1491035, Tracking URL = http://jt.dc.sh-wgq.sdo.com:50030/jobdetails.jsp?jobid=job_201205162059_1491035 
  11. Kill Command = /home/hdfs/hadoop-current/bin/hadoop job  -Dmapred.job.tracker=10.133.10.103:50020 -kill job_201205162059_1491035 
  12. 2012-07-05 14:03:55,864 Stage-1 map = 0%,  reduce = 0
  13. 2012-07-05 14:03:59,913 Stage-1 map = 20%,  reduce = 0
  14. 2012-07-05 14:04:00,923 Stage-1 map = 60%,  reduce = 0
  15. 2012-07-05 14:04:01,932 Stage-1 map = 80%,  reduce = 0
  16. 2012-07-05 14:04:07,019 Stage-1 map = 100%,  reduce = 0
  17. 2012-07-05 14:04:09,213 Stage-1 map = 100%,  reduce = 100
  18. Ended Job = job_201205162059_1491035 
  19. OK 
  20. Time taken: 19.339 seconds 

查询三: 在case when中去掉 OR 条件:

  1. select a.channel 
  2. from 
  3.   select case when channel = 'NA' then 'A' else 'B' end as channel  
  4.   from t_aa_pc_log where pt = '2012-04-10-00' 
  5. )a where a.channel='A' limit 10; 

查询结果有值:

  1. hive> select a.channel 
  2.     > from 
  3.     > ( 
  4.     >   select case when channel = 'NA' then 'A' else 'B' end as channel  
  5.     >   from t_aa_pc_log where pt = '2012-04-10-00' 
  6.     > )a where a.channel='A' limit 10; 
  7. Total MapReduce jobs = 1 
  8. Launching Job 1 out of 1 
  9. Number of reduce tasks is set to 0 since there's no reduce operator 
  10. Starting Job = job_201205162059_1491066, Tracking URL = http://jt.dc.sh-wgq.sdo.com:50030/jobdetails.jsp?jobid=job_201205162059_1491066 
  11. Kill Command = /home/hdfs/hadoop-current/bin/hadoop job  -Dmapred.job.tracker=10.133.10.103:50020 -kill job_201205162059_1491066 
  12. 2012-07-05 14:05:19,557 Stage-1 map = 0%,  reduce = 0
  13. 2012-07-05 14:05:22,579 Stage-1 map = 20%,  reduce = 0
  14. 2012-07-05 14:05:23,736 Stage-1 map = 60%,  reduce = 0
  15. 2012-07-05 14:05:25,768 Stage-1 map = 80%,  reduce = 0
  16. 2012-07-05 14:05:26,779 Stage-1 map = 100%,  reduce = 0
  17. 2012-07-05 14:05:27,855 Stage-1 map = 100%,  reduce = 100
  18. Ended Job = job_201205162059_1491066 
  19. OK 
  20. Time taken: 15.219 seconds 

   从以上三例来看,当case when 条件中用了or,并且有where查询条件的情况下会出现问题,但如果这个 where 条件值不是 case when中的字段,是否会有不同结果,再来试验一下:
查询四:

  1. select a.channel 
  2. from 
  3.   select deviceid, case when channel = 'NA' or channel = 'EMPTY' then 'A' else 'B' end as channel  
  4.   from t_aa_pc_log where pt = '2012-04-10-00' 
  5. )a where deviceid like '%a%' limit 10; 

查询结果有值:

  1. hive> select a.channel 
  2.     > from 
  3.     > ( 
  4.     >   select deviceid, case when channel = 'NA' or channel = 'EMPTY' then 'A' else 'B' end as channel  
  5.     >   from t_aa_pc_log where pt = '2012-04-10-00' 
  6.     > )a where deviceid like '%a%' limit 10; 
  7. Total MapReduce jobs = 1 
  8. Launching Job 1 out of 1 
  9. Number of reduce tasks is set to 0 since there's no reduce operator 
  10. Starting Job = job_201205162059_1491636, Tracking URL = http://jt.dc.sh-wgq.sdo.com:50030/jobdetails.jsp?jobid=job_201205162059_1491636 
  11. Kill Command = /home/hdfs/hadoop-current/bin/hadoop job  -Dmapred.job.tracker=10.133.10.103:50020 -kill job_201205162059_1491636 
  12. 2012-07-05 14:38:37,209 Stage-1 map = 0%,  reduce = 0
  13. 2012-07-05 14:38:40,241 Stage-1 map = 40%,  reduce = 0
  14. 2012-07-05 14:38:41,250 Stage-1 map = 100%,  reduce = 0
  15. 2012-07-05 14:38:43,271 Stage-1 map = 100%,  reduce = 100
  16. Ended Job = job_201205162059_1491636 
  17. OK 
  18. Time taken: 11.774 seconds 

   从上面四个查询可以确定,当某个字段应用了case when 条件并且使用了or, 且where查询条件的里正好有该字段,查询结果会出错
   之后也分析过SQL执行计划, 并没发现什么问题,最后发现出现这个问题的表面原因, 在查询不到数据的情况,提交作业时设置的 mapred.input.dir 值有问题, 在查询有值的情况下这个输入路径就是该表的某个分区路径:
正常:

  1. mapred.input.dir    hdfs://nn.dc.sh-wgq.sdo.com/group/p_sdo_data/p_sdo_data_etl/aa/pc_log/2012-04-10-00  

异常:

  1. mapred.input.dir    hdfs://nn.dc.sh-wgq.sdo.com/group/p_sdo_data/user/p_sdo_data_etl/meta/hive-exec/hive_2012-07-05_14-50-55_734_7476312896857938653/-mr-10002/1 

  出现异常的情况下估计是在HIVE分析SQL语法时出现问题,计算出的输入路径并不是表分区路径
  针对查询一出现问题,修改下SQL, 将case when then else end, 改成case when then when then else end即可
修改后SQL如下:

  1. select a.channel 
  2. from 
  3.   select case channel when 'NA' then 'A' when 'EMPTY' then 'A' else 'B' end as channel  
  4.   from t_aa_pc_log where pt = '2012-04-10-00' 
  5. )a where channel ='A' limit 10; 

查询结果:

  1. hive> select a.channel 
  2.     > from 
  3.     > ( 
  4.     >   select case channel when 'NA' then 'A' when 'EMPTY' then 'A' else 'B' end as channel  
  5.     >   from t_aa_pc_log where pt = '2012-04-10-00' 
  6.     > )a where channel ='A' limit 10; 
  7. Total MapReduce jobs = 1 
  8. Launching Job 1 out of 1 
  9. Number of reduce tasks is set to 0 since there's no reduce operator 
  10. Starting Job = job_201205162059_1492108, Tracking URL = http://jt.dc.sh-wgq.sdo.com:50030/jobdetails.jsp?jobid=job_201205162059_1492108 
  11. Kill Command = /home/hdfs/hadoop-current/bin/hadoop job  -Dmapred.job.tracker=10.133.10.103:50020 -kill job_201205162059_1492108 
  12. 2012-07-05 15:02:32,005 Stage-1 map = 0%,  reduce = 0
  13. 2012-07-05 15:02:35,032 Stage-1 map = 20%,  reduce = 0
  14. 2012-07-05 15:02:36,042 Stage-1 map = 40%,  reduce = 0
  15. 2012-07-05 15:02:37,054 Stage-1 map = 100%,  reduce = 0
  16. 2012-07-05 15:02:38,067 Stage-1 map = 100%,  reduce = 100
  17. Ended Job = job_201205162059_1492108 
  18. OK 
  19. Time taken: 10.628 seconds