SparkSQL和Hive在处理日期/时间上的差异

注&＃xff1a; 本文使用的环境是&＃xff1a;Spark&＃xff1a;2.2, Hive: 1.2.1

最近在编写一个SQL的过程中遇到了这样一个陷阱&＃xff1a;为了便于工作&＃xff0c;SQL的编写是通过一个SQL的IDE环境以Hive JDBC驱动的方式连接到HIVE上去执行的&＃xff0c;SQL在HIVE上执行正常&＃xff0c;有结果数据返回。但是SQL开发好在程序执行时通过Spark-SQL来运行的&＃xff0c;SQL可以成功执行&＃xff0c;没有报出任何语法错误&＃xff0c;但是没有任何结果数据&＃xff01;在经过仔细查询后&＃xff0c;发现问题出现在where条件中对理日期/时间字段的比较上。 以下where字句&＃xff1a;

where creation_date >&＃61; start_time and creation_date < end_time ....


其中creation_date是date类型&＃xff0c;start_time和end_time是timestamp类型。虽然是两种时间类型&＃xff0c;但是确实是可以直接比较大小的&＃xff0c;人们会默认的转换规则是&＃xff1a;对于date类型&＃xff0c;如果要与timestamp类型进行比较&＃xff0c;会默认在时间部分上补齐"00:00:00.00000000", 但是如果在不显式地指定这种转换下&＃xff0c;默认的两个类型间的比较结果如下&＃xff1a;

• 使用原始字面量进比较

date类型的’2019-01-01’一定是比timestamp类型的’2019-01-01 00:00:00’要小。虽然这有些怪异&＃xff0c;但在hive和spark-sql上这一比较是一致的

• 强制类型转换后进行比较

这比较让人更加费解&＃xff0c;本质上对于’2019-01-01’和’2019-01-01 00:00:00’两个字面量的类型转换都是它们本来的类型&＃xff0c;对于Spark-SQL来说&＃xff0c;它保持了和前一个版本以纯字面量比较一致的结果&＃xff0c;但Hive的比较结果发生了变化&＃xff0c;变成了“默认的那种”结果&＃xff0c;这是有问题的。如果我们再一步的比较’2019-01-01’和cast(‘2019-01-01’ as date)&＃xff0c;那么对于Hive的行为就更加难以理解了&＃xff1a;

select &＃39;2019-01-01&＃39; &＃61; cast(&＃39;2019-01-01&＃39; as date); -> hive: true, spark-sql: true


总之&＃xff0c;Hive在处理date类型与timestamp类型的比较上是有问题的! 结果不符合人们的预期&＃xff0c;所以最好的作法是将date类型转化为timestamp之后再进行比较&＃xff01; 像下面这样&＃xff1a;