Hive与Impala对VARCHAR/CHAR存放中文字符解析不一致问题分析

温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。

Fayson的github：https://github.com/fayson/cdhproject

提示：代码块部分可以左右滑动查看噢

1.异常描述

---

首先我们在hive中创建一个表

1create external table test_table
2(
3s1 string,
4s2 CHAR(10),
5s3 VARCHAR(10)
6)
7row format delimited fields terminated by '#'
8stored as textfile location '/fayson/fayson_test_table';

（可左右滑动）

插入一行数据

1insert into test_table values ('1','我你我你我','我你我你我');

（可左右滑动）

使用Hive查询，一切正常

1select * from test_table;

（可左右滑动）

使用Impala查询

1select * from test_table;

（可左右滑动）

发现查询出来的字段被截断了。

我们看看插入数据生成的hdfs文件的编码：

1hadoop fs -get /fayson/fayson_test_table/000000_0_copy_1 .
2cat 000000_0_copy_1
3file -bi 000000_0_copy_1

（可左右滑动）

可以发现CHAR类型的字段10位，插入数据如果不够10位，Hive自动补了空格，另外生成的文件是utf-8编码。

2.异常解决

---

我们扩大CHAR/VARCHAR的长度定义，并引入一个String类型方便比较，再次在Hive中创建一张测试表进行测试。

1create external table test_table1
2(
3s1 string,
4s2 CHAR(15),
5s3 VARCHAR(15),
6s4 string
7)
8row format delimited fields terminated by '#'
9stored as textfile location '/fayson/fayson_test_table1';

（可左右滑动）

插入一条数据

1insert into test_table1 values ('1','我你我你我','我你我你我','我你我你我');

（可左右滑动）

使用Hive查询该表的数据，发现一切正常。

1select * from test_table1;

（可左右滑动）

使用Impala查询

1select * from test_table1;

（可左右滑动）

可以发现三个字段s2，s3，s4都没有被截断，查询结果正常。

3.异常总结

---

1.这是因为定义的CHAR(10)只能容纳3个半个中文字符导致的。Impala处理CHAR/VARCHAR类型的字段使用的是UTF-8编码, 内部使用字节数组。由于中文字符的UTF-8编码是3个字节。这意味CHAR(10)只能容纳最多3个完整的中文字符。

2.解决方案是使用CHAR(15), 这样最多可以容纳5个中文字符。不过如果您事先无法估计中文串长度, 则建议您使用STRING类型。

3.Hive和Impala在处理"字符"时是不一样的。Hive中的CHAR/VARCHAR字符串的长度是根据实际的代码页确定的。Hive的实现与Java保持一致。但Impala并没有采用这种做法。

4.来自Hive官网的原文，参考链接在文末。“Character length is determined by the number of code pointscontained by the character string.”即与Java字符串的.length()方法保持一致。

参考：

​​http://impala.apache.org/docs/build/html/topics/impala_varchar.html​​

​​https://issues.apache.org/jira/browse/IMPALA-5675​​

​​https://www.cloudera.com/documentation/enterprise/latest/topics/impala_varchar.html​​

​​https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Types#LanguageManualTypes-VarcharvarcharVarchar​​

 

提示：代码块部分可以左右滑动查看噢

为天地立心，为生民立命，为往圣继绝学，为万世开太平。

温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。

推荐关注Hadoop实操，第一时间，分享更多Hadoop干货，欢迎转发和分享。

原创文章，欢迎转载，转载请注明：转载自微信公众号Hadoop实操