Hive表yyyyMMdd格式字符串日期列按区间统计记录数方法

你的原始查询结果异常的核心原因是：未加引号的20210101属于数值类型，Hive会将string类型的date列隐式转换为数值进行比较，出现异常值时会生成null，导致统计结果不符合预期。你可以通过以下三种方式实现正确的区间统计：

• 方法1：高版本Hive（2.1+）直接转DATE类型查询
  Hive 2.1及以上版本的to_date函数支持直接指定输入日期格式，写法最简洁：

  SELECT COUNT(*) 
  FROM table_1 
  WHERE to_date(date, 'yyyyMMdd') BETWEEN '2021-01-01' AND '2021-03-01';
  

  注意：BETWEEN为左右闭区间，若需要排除2021-03-01当天的数据，可将条件改为to_date(date, 'yyyyMMdd') >= '2021-01-01' AND to_date(date, 'yyyyMMdd') < '2021-03-01'
• 方法2：兼容低版本Hive的DATE转换写法
  低版本Hive不支持双参数to_date，可以先通过unix_timestamp解析为时间戳，再转换为DATE类型：

  SELECT COUNT(*)
  FROM table_1
  WHERE to_date(from_unixtime(unix_timestamp(date, 'yyyyMMdd'))) BETWEEN '2021-01-01' AND '2021-03-01';
  

• 方法3：直接使用字符串比较（无需类型转换）
  由于yyyyMMdd格式的8位字符串的字典排序和日期排序完全一致，只要保证date列所有值都是符合格式的8位字符串，没有异常值、缺省值，也可以直接按字符串类型比较，性能更高：

  SELECT COUNT(*)
  FROM table_1
  WHERE date BETWEEN '20210101' AND '20210301';
  

  注意：区间值必须加引号，保证和date列的string类型匹配，避免隐式类型转换导致的结果异常。

内容的提问来源于stack exchange，提问作者st789