大数据文件分隔符

时间:2021-06-15 18:39:40

背景:DSG数据同步到hadoop平台,发现部分表中数据存在竖线分隔符(“|”),导致hadoop平台数据不准确。
为解决此问题并避免出现内容带分隔符的可能情况,商定分隔符修改为CtrlA(ascii是0x01 ) ,经测试在HDFS可用。


分隔符为CtrlA(ascii是0x01 ) 在vi的编辑模式下 Ctrl+V Ctrl+A 。windows cmd模式下 Ctrl+Q Ctrl+A

Hive默认用
‘\001’(Ctrl+A)作为字段(Fields)分隔符,
‘\002’(Ctrl+B)作为集合元素(Collections Items)分隔符,
‘\003’作为Map类型Key/Values分隔符。

所以shell中的脚本
FIELDS TERMINATED BY ‘’ 可以不指定


#建立 OFFER日表 fields terminated by '|' 要修改,默认的是'\001'(Ctrl+A),也可以不指定;
v_create_sql="use ztedb;
drop table if exists OFFER_${day_id};
CREATE TABLE OFFER_${day_id}
(
OFFER_ID BIGINT,
ATOM_ACTION_ID BIGINT,
PARTY_ID BIGINT,
OFFER_SPEC_ID BIGINT,
OFFER_NBR STRING,
AREA_ID INT,
MKT_ACTIVITY_ID BIGINT,
START_DT DATE,
END_DT DATE,
BSS_START_DT DATE,
BSS_END_DT DATE,
BILL_START_DT DATE,
BILL_END_DT DATE,
STATUS_CD STRING,
STATUS_DT DATE,
CREATE_DT DATE,
VERSION DATE,
EXT_PROD_OFFER_INST_ID STRING,
EXT_SYSTEM STRING

) ROW FORMAT DELIMITED
FIELDS TERMINATED BY ''
STORED AS TEXTFILE;
"