首页 1 2 3 4 5 6 7

Hive Cli / HiveServer2 中使用 dayofweek 函数引发的BUG！

文章目录

前言

使用的集群环境为：

hive 3.1.2
spark 3.0.2

dayofweek 函数官方说明

dayofweek(date) - Returns the day of the week for date/timestamp (1 = Sunday, 2 = Monday, …, 7 = Saturday).

根据所给日期，返回该日期对应的周几数字，如：

周日 —— 1
周一 —— 2
周二 —— 3
…
周六 —— 7

BUG 重现

当前我有一张订单详情信息测试表，如下所示：

需求：获取某一个区间内周一至周日每天各个商品的售卖量，Hive SQL 代码如下：

select
    sku_id,
    sum(if(`dayofweek`(create_date)=2,sku_num,0)) Monday,
    sum(if(`dayofweek`(create_date)=3,sku_num,0)) Tuesday,
    sum(if(`dayofweek`(create_date)=4,sku_num,0)) Wednesday,
    sum(if(`dayofweek`(create_date)=5,sku_num,0)) Thursday,
    sum(if(`dayofweek`(create_date)=6,sku_num,0)) Friday,
    sum(if(`dayofweek`(create_date)=7,sku_num,0)) Saturday,
    sum(if(`dayofweek`(create_date)=1,sku_num,0)) Sunday
from
    order_detail
where
    create_date >= "2021-09-27"
    and
    create_date <= "2021-10-03"
group by
    sku_id;

该代码运行后，部分结果如下所示：

在我验证结果的时候，第一行就出现了错误，查看订单详情信息测试表发现，sku_id 为 1 的商品在 2021-09-27（周一）这天售出了 2 件商品；

而在我们上面的代码运行结果中，发现 monday 周一统计的出售商品数量为 0，但是我们的 SQL 代码逻辑并没有出现问题啊。

反而像是该函数执行的结果，将整体向后平移了一个维度，saturday 的值是 sunday 的值，sunday 的值是 monday 的值…

那么为什么会出现这个问题呢？我就想到了可能是数据类型的问题，上面表结构中提到了，create_date 这个字段的类型是 string，而 dayofweek() 函数的参数是一个 date 类型的数据。

于是，我对数据类型进行了转换，然后便有了下面的结果：

select
    sku_id,
    sum(if(`dayofweek`(cast(create_date as date))=2,sku_num,0)) Monday,
    sum(if(`dayofweek`(cast(create_date  as date))=3,sku_num,0)) Tuesday,
    sum(if(`dayofweek`(cast(create_date  as date))=4,sku_num,0)) Wednesday,
    sum(if(`dayofweek`(cast(create_date  as date))=5,sku_num,0)) Thursday,
    sum(if(`dayofweek`(cast(create_date  as date))=6,sku_num,0)) Friday,
    sum(if(`dayofweek`(cast(create_date  as date))=7,sku_num,0)) Saturday,
    sum(if(`dayofweek`(cast(create_date  as date))=1,sku_num,0)) Sunday
from
    order_detail
where
    create_date >= "2021-09-27"
    and
    create_date <= "2021-10-03"
group by
    sku_id;

这次得到的结果就是正确的了。

但是令我不解的又来了，在我的印象中 dayofweek() 函数是可以直接传递一个 string 类型的数据啊。

如下所示：

2021-09-27 是周一，所以返回的结果是 2，显然这是正确的，那么为什么同样是 string 类型，这里是正常的，上面的代码中发生了异常。

然后我就想到，会不是是因为多个函数嵌套引发的 BUG，因为我们在最初的 SQL 中是这样写的：

    sum(if(`dayofweek`(create_date)=2,sku_num,0)) Monday,
    sum(if(`dayofweek`(create_date)=3,sku_num,0)) Tuesday,
    sum(if(`dayofweek`(create_date)=4,sku_num,0)) Wednesday,
    sum(if(`dayofweek`(create_date)=5,sku_num,0)) Thursday,
    sum(if(`dayofweek`(create_date)=6,sku_num,0)) Friday,
    sum(if(`dayofweek`(create_date)=7,sku_num,0)) Saturday,
    sum(if(`dayofweek`(create_date)=1,sku_num,0)) Sunday

嵌套了 sum、if 以及 dayofweek 函数，于是，我不执行 sum 操作，并且不进行数据类型转换，看看周几判断结果是否正确，如下所示：

select
    sku_id,
    if(`dayofweek`(create_date)=2,sku_num,0) Monday,
    if(`dayofweek`(create_date)=3,sku_num,0) Tuesday,
    if(`dayofweek`(create_date)=4,sku_num,0) Wednesday,
    if(`dayofweek`(create_date)=5,sku_num,0) Thursday,
    if(`dayofweek`(create_date)=6,sku_num,0) Friday,
    if(`dayofweek`(create_date)=7,sku_num,0) Saturday,
    if(`dayofweek`(create_date)=1,sku_num,0) Sunday
from
    order_detail
where
    create_date >= "2021-09-27"
    and
    create_date <= "2021-10-03"

可以发现周几判断结果是对的。

但只要我加上 sum 聚合操作之后，就会发生异常，这种错误呢又可以通过转换数据类型进行规避，属于是闭环了家人们。

Spark SQL 中的使用

当我使用 Spark SQL 完成上面【BUG重现】中的需求时，发现【BUG重现】中最开始的 SQL 代码在这里是正常运行的，即使没有进行数据类型转换、而且使用了聚合函数的嵌套。

        spark.sql(
            """
              |select
              |    sku_id,
              |    sum(if(`dayofweek`(create_date)=2,sku_num,0)) Monday,
              |    sum(if(`dayofweek`(create_date)=3,sku_num,0)) Tuesday,
              |    sum(if(`dayofweek`(create_date)=4,sku_num,0)) Wednesday,
              |    sum(if(`dayofweek`(create_date)=5,sku_num,0)) Thursday,
              |    sum(if(`dayofweek`(create_date)=6,sku_num,0)) Friday,
              |    sum(if(`dayofweek`(create_date)=7,sku_num,0)) Saturday,
              |    sum(if(`dayofweek`(create_date)=1,sku_num,0)) Sunday
              |from
              |    order_detail
              |where
              |    create_date >= "2021-09-27"
              |    and
              |    create_date <= "2021-10-03"
              |group by
              |    sku_id
              |order by
              |    sku_id;
              |""".stripMargin).show()