加载本地文件到Hive表出现NULL列的解决办法

举例说明，

现有本地文件，每行两列，内容如下：

0000000026310400        F
0000000029858520        F
0000000042620180        F
0000000044783820        F
0000000045771260        F

创建一个Hive表，使用如下语句：

create table if not exists new_table(id string, lable string);

加载本地文件到new_table，使用如下语句：

load data local inpath '~/new_file' overwrite into table new_table；

查询new_table内容，发现多了一个NULL列：

hive> select id, lable from new_table;
0000000026310400        F       NULL
0000000029858520        F       NULL
0000000042620180        F       NULL
0000000044783820        F       NULL
0000000045771260        F       NULL

再查询第一个字段：

hive> select id from new_table;
0000000026310400        F
0000000029858520        F
0000000042620180        F
0000000044783820        F
0000000045771260        F

从查询结果中可以看出，本地文件每行的两列被当作一个字段加载到表中，但是表定义了两个字段，另一个字段没有数据，所以全是NULL。

分析原因，因为创建表的语句使用了Hive默认的SerDe存储格式，即序列化存储，默认是以'\001'作为字段分隔符，而本地文件new_file两列之间是以'\t'作为分隔符，所以文件中两列被当作一个字段了。

要去除NULL列，可以修改表new_table的字段分隔符，使用如下语句：

hive> alter table new_table set SERDEPROPERTIES('field.delim'='\t');

再次查询：

hive> select id, lable from new_table;
0000000026310400        F
0000000029858520        F
0000000042620180        F
0000000044783820        F
0000000045771260        F

hive> select id from new_table;
0000000026310400
0000000029858520
0000000042620180
0000000044783820 
0000000045771260

表的内容正常了。

为避免出现以上问题，其实应该在定义表的时候就使用正确的字段分隔符，可使用如下语句：

create table if not exists new_table(id string, lable string) row format delimited fields terminated by '\t';