Apache Drill中基于CSV的视图列类型显示为ANY，如何获取准确类型？

我之前也碰到过类似的情况，结合你的描述，咱们从这几个方面入手来解决：

• 先确认CSV文件的格式是否正确
  你提供的CSV内容看起来所有记录都挤在一行里了，正常的CSV应该是每行一条数据，标准格式应该是这样的：

  id,name,city
  1,shrinivas,pune
  2,harshal,morgaon
  3,nikhil,chiplun
  4,ravinder,chandigarh
  

  如果你的CSV是把所有内容放在同一行，哪怕开了extractHeader=true，系统也没法正确识别每条记录的结构，自然没法推断数据类型。先把CSV调整成每行一条记录的标准格式。

• 显式指定列的数据类型
  有时候自动类型推断可能因为各种原因不生效，最稳妥的方式是在创建视图时直接强制转换列类型，比如：

  create view dfs.root.`names` as 
  select 
      cast(id as INT) as id,
      name as STRING,
      city as STRING 
  from dfs.root.`names.csv`
  

  这样执行describe dfs.root.names``时，就能看到各列对应的准确类型了。

• 开启自动Schema推断参数
  除了extractHeader=true，你还可以尝试开启inferSchema参数（不同DFS系统可能参数名略有差异，比如有些叫autoInferSchema），让系统自动分析列的数据类型。修改创建视图的语句如下：

  create view dfs.root.`names` as 
  select id,name,city 
  from dfs.root.`names.csv` 
  options('extractHeader'='true', 'inferSchema'='true')
  

  这个参数会让系统扫描部分数据来推断列的类型，比单纯依赖header配置更有效。

• 验证数据加载是否正常
  创建完视图后，先执行select * from dfs.root.names limit 2检查数据是否正确加载。如果查询结果是乱的，那说明CSV格式还有问题，得先解决格式问题再处理类型的事。

内容的提问来源于stack exchange，提问作者Shrinivas Deshmukh