Hive表字段值中存在换行符，查询结果混乱进而导致插入失败_hive 插入的数据有换行(1)

自动化调度系统在按周期天执行数据迁移（出库）任务时，在执行到某条SQL时报错，最终导致任务失败

SQL如下（已转化）：

insert table t1
select
    dt,
    id,
    name,
    counts,
    roles,
    comments
from t2
where dt='20240101'

报错信息摘要如下：

Error message from spark is:java.io.IOException: ERROR-1-HIVE:20027:{Failed to execute move task of sparkSql}Moving data to: hdfs://...
move task failed to execute => Failed with exception ERROR: syntax error at or near ":"  位置：384

报错信息提示语法问题，可是检查SQL发现也没有什么语法问题，这到底是怎么回事呢？

2、问题原因

最终，从SQL和表的角度入手，首先，检查SQL里面的查询语句的执行：

select
    dt,
    id,
    name,
    counts,
    roles,
    comments
from t2
where dt='20240101'

使用Presto引擎的执行的结果：

dt	id	name	counts	roles	comments
20240101	18	A	630	伍六七青凤江惠莲	793

使用Hive（MapReduce）和Spark引擎执行的结果：

dt	id	name	counts	roles	comments
20240101	18	A	630	伍六七	NULL
青凤	NULL	NULL	NULL	NULL	NULL
江惠莲	793	NULL	NULL	NULL	NULL

从上面结果可以看到，若Hive表字段值中存在换行符，MapReduce和Spark引擎的查询结果出现混乱

由于我们的调度系统设置的执行引擎为Spark，因此，原本查询的一行结果会被字段值中的换行符\n转换为多行，查询结果结构混乱，最终导致插入失败

3、问题解决

Hive提供了regexp_replace()函数可用于替换数据仓库中包含特殊字符（如换行符）的字段

Hive字符串UDF官网：cwiki.apache.org/confluence/…

根据官网描述，换行符\n使用两个反斜杠，即一个反斜杠用来转义

修改后的SQL如下：

insert table t1
select
    dt,
    id,
    name,
    counts,
    regexp_replace(roles, '\\n', ' ') as roles,
    comments
from t2
where dt='20240101'

这样，我们的数据才会显示正常，报错问题也就解决了

另外，部分系统可能需要使用四个反斜杠，即

regexp_replace(col, '\\\\n', ' ')

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！