DataXMySQL数据同步到HDFS时，空值不处理可以吗

1. 问题描述

DataX将MySQL数据同步到HDFS中时，空值(NULL)存到HDFS中时，默认是存储为空字符串（‘’）。

2. 原因分析

HFDS Writer并未提供nullFormat参数：也就是用户并不能自定义null值写到HFDS文件中的存储格式。默认情况下，HFDS Writer会将null值存储为空字符串（‘’），而Hive默认的null值存储格式为\N。所以后期将DataX同步的文件导入Hive表就会出现问题。

3. 解决方案

处理方案有2个：

1. 修改源码。修改DataX HDFS Writer的源码，增加自定义null值存储格式的逻辑，将空字符串存储为\N，这样hive在建表时就不用指定格式了。

以上已orc文件写入为例，同理可以应用到textfile格式的处理。

 以上左边你可以对其写死，所有的NULL均转为\\N ，或者像我这边传进来nullFormat使得NULL作为空还是空字符串取决于你这边设置值。

2. 在Hive中建表时指定null值存储格式为空字符串（''），添加: NULL DEFINED AS ‘’

例如：

1.  
   DROP TABLE IF EXISTS base_province;
2.  
   CREATE EXTERNAL TABLE base_province
3.  
   (
4.  
   `id` STRING COMMENT '编号',
5.  
   `name` STRING COMMENT '省份名称',
6.  
   `region_id` STRING COMMENT '地区ID',
7.  
   `area_code` STRING COMMENT '地区编码',
8.  
   `iso_code` STRING COMMENT '旧版ISO-3166-2编码，供可视化使用',
9.  
   `iso_3166_2` STRING COMMENT '新版IOS-3166-2编码，供可视化使用'
10.  
    ) COMMENT '省份表'
11.  
    ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t'
12.  
    NULL DEFINED AS ''
13.  
    LOCATION '/base_province/';

4. 运行结果

5. 参考文章

1. http://t.csdn.cn/WmEEW
2. hive 空值的处理
3. DataX使用、同步MySQL数据到HDFS案例_datax mysql同步到hdfs_Redamancy_06的博客-CSDN博客

这篇好文章是转载于：学新通技术网