在处理流水增量表的时候，出现了一个判定的失误。
select a.a1,a.a2
from
(
select
a.a1
,if(a.a2<>b.b2,1,0) as diff
,a.a2
from a
lefter join b
on a.a1=b.b1
) c
where c.diff=1;
因为左外关联，可能会出现b表数据不存在 则b.b2 is null , if(a.a2<>b.b2,1,0) as diff,null值的判断只能使用is ,is not
0: jdbc:hive2://localhost:10000/big12> select if(1 <>null,0,1);
+------+--+
| _c0 |
+------+--+
| 1 |
+------+--+
1 row selected (0.13 seconds)
0: jdbc:hive2://localhost:10000/big12> select 1<>null;
+-------+--+
| _c0 |
+-------+--+
| NULL |
+-------+--+
1 row selected (0.127 seconds)
所以处理方式：
0: jdbc:hive2://localhost:10000/big12> select if(1<>null or null is null,1,0) as diff;
+-------+--+
| diff |
+-------+--+
| 1 |
+-------+--+
1 row selected (0.121 seconds)
0: jdbc:hive2://localhost:10000/big12> select if(1<>nvl(null,0),1,0) as diff;
+-------+--+
| diff |
+-------+--+
| 1 |
+-------+--+
1 row selected (0.13 seconds)
其他：
employee表
hive>desc employee;
empid string
deptid string
salary string
查询employee
hive>select * from employee
1 NULL NULL
hive 中null实际在HDFS中默认存储为'\N'(但是我们一般为了安全性把null的储存格式调整为'')
即employee中的数据在HDFS中为
1 \N \N
验证，插入'\N'
hive>insert into table employee select '','\\N','\\N' from employee limit 1;
其中多一个斜杠是转义的作用
查询employee
hive>select * from employee
1 NULL NULL
2 NULL NULL
此时hive中与null有关的函数,如nvl,coalesce,is null等判断是否为null是为true
hive>select nvl(empid,'A'),nvl(deptid,'B'),nvl(salary,'C') from employee
1 B C
2 B C
但是null或NULL和''会被hive当做字符串处理。
hive>insert into table employee select '','','' from employee limit 1;
查询：
hive>select * from employee;
1 NULL NULL
2 NULL NULL
3
hive>insert into table employee select '','null','NULL' from employee limit 1;
查询
hive>select * from employee;
1 NULL NULL
2 NULL NULL
3
4 null NULL
注意：1,2同一行的NULL与4行的NULL或null不一样。4行的NULL或null为字符串
此时hive中与null有关的函数,如nvl,coalesce,is null等判断''和null（字符串）或NULL（字符串）是否为null是为false
hive> select empid ,nvl(deptid,'E'),nvl(salary,'F') from employee;
1 E F
2 E F
3
4 null NULL
hive>select * from employee where deptid='';
3
hive>select * from employee where deptid='null' and salary ='NULL';
4 null NULL
hive>select * from employee where deptid is null;
1 NULL NULL
2 NULL NULL
可以通过
ALTER TABLE table_name SET SERDEPROPERTIES('serialization.null.format' = 定义描述符);
修改空值描述符
如果将''定义为NULL
ALTER TABLE employee SET SERDEPROPERTIES('serialization.null.format' = '');
查询employee
hive>select * from employee;
1 \N \N
2 \N \N
3 NULL NULL
4 null NULL
和前面的select比较发现''变成了NULL，而\N露出了真面目，4行的NULL或null为字符串没变化
验证，将''插入到emloyee
hive> insert into table employee select '','','' from employee limit 1;
查询
hive>select * from employee;
1 \N \N
2 \N \N
3 NULL NULL
4 null NULL
5 NULL NULL
注意：３,５同一行的NULL与4行的NULL或null不一样。4行的NULL或null为字符串
此时HDFS中如此存储
1 \N \N
2 \N \N
3
4 null NULL
5
此时
hive> select empid ,nvl(deptid,'E'),nvl(salary,'F') from employee;
1 \N \N
2 \N \N
3 E F
4 null NULL
5 E F
总结hive中null的定义的意义在于：oracle数据导出后原表中的null会变成''，然后导入到hive中也变成了''。但是hive中关于NULL的一些函数如nvl,coalesce和is null却无法使用，因为hive默认\N才代表NULL。在hive中通过
ALTER TABLE SET SERDEPROPERTIES('serialization.null.format' = '');修改''代表NULL，改造存储过程中就不需要改nvl等语句。