Megosztás a következőn keresztül:

CAST_INVALID_INPUT hibaosztály

  • Cikk

SQLSTATE: 22018

A típus <sourceType> értéke <expression> nem alakítható át<targetType>, mert helytelen formátumú. Javítsa ki az értéket a szintaxisnak megfelelően, vagy módosítsa a céltípust. A helytelen formátumú bemenetek tolerálására és a NULL érték visszaadására használható try_cast . Ha szükséges, állítsa "false" értékre <ansiConfig> a hiba megkerüléséhez.

Paraméterek

  • kifejezés: Az a kifejezés, amelybe át kell adni targettype
  • sourceType: A adattípusa expression.
  • targetType: Az áttűnési művelet céltípusa.
  • ansiConfig: Az ANSI-mód módosítására vonatkozó konfigurációs beállítás.

Magyarázat

A expression nem adható át a targetType következő okok valamelyike miatt:

  • expression túl nagy a típus tartományához. A számot 1000 például nem lehet átvenni, TINYINT mert ez a tartomány csak a és -128+127a közötti tartományba esik.
  • expression olyan karaktereket tartalmaz, amelyek nem részei a típusnak. Nem lehet például a numerikus típusra átírni.
  • expression úgy van formázva, hogy az öntött művelet ne elemezhető legyen. Például 1.0 és 1e1 nem alakítható át egyetlen egész numerikus típusra sem.

Előfordulhat, hogy a cast nem lett explicit módon megadva, de előfordulhat, hogy az Azure Databricks implicit módon injektálta.

Az ezzel a hibával megadott környezeti információk elkülönítik az objektumot és azt a kifejezést, amelyben a hiba történt.

A tartomány definícióját és az elfogadott literálformátumokat a következő adattípus definíciójábantyopeNametalálja: .

Kezelés

A hiba elhárítása az októl függ:

  • value A várt megfelel a megadott typeNametartománynak és formátumnak?

    Ellenőrizze a bemeneti értéket, és javítsa ki az adatforrást.

  • Túl keskeny a szereposztás célja?

    Bővítse ki a típust, ha például a-ról DATE a -ra TIMESTAMPvagy INTDOUBLEa-ra helyezi át a típustBIGINT.

  • Helytelen a formátuma value ?

    Fontolja meg a következő használatát:

    Ezek a függvények számos különböző formátumot biztosítanak.

    Ha numerikus literálokat ad meg tizedesvesszővel (pl. 1.0 tudományos jelöléssel (pl. 1e0) először DECIMAL a vagy DOUBLE a számra, majd a pontos számra kell átírni.

  • Helytelen értékekkel rendelkező adatok várhatók, és az NULL-ek előállításával el kell tűrni?

    Módosítsa a kifejezés használatát, vagy szúrja be try_cast(érték AS typeName). Ez a függvény akkor ad NULL vissza, ha a típusnak megfelelő nem value adódik át.

    Ha nem tudja módosítani a kifejezést, végső megoldásként ideiglenesen letilthatja az ANSI-módot a használatával ansiConfig.

Példák

-- A view with a cast and string literals outside the domain of the target type
> CREATE OR REPLACE TEMPORARY VIEW v(c1) AS SELECT CAST(a AS SMALLINT) FROM VALUES('100'), ('50000') AS t(a);
> SELECT c1 FROM v;
 [CAST_INVALID_INPUT] The value '50000' of the type "STRING" cannot be cast to "SMALLINT" because it is malformed.
 Correct the value as per the syntax, or change its target type. Use `try_cast` to tolerate malformed input and return NULL instead.
 If necessary set "spark.sql.ansi.enabled" to "false" to bypass this error.
 == SQL of VIEW v(line 1, position 8) ==
 SELECT CAST(a AS SMALLINT) FROM VALUES('100'), ('50000') A...
        ^^^^^^^^^^^^^^^^^^^

-- Widen the target type to match the domain of the input
> CREATE OR REPLACE TEMPORARY VIEW v(c1) AS SELECT cast(a AS INTEGER) FROM VALUES('100'), ('50000') AS t(a);
> SELECT c1 FROM v;
 100
 50000

-- The input data format does not match the target type
> SELECT cast(a AS INTEGER) FROM VALUES('1.0'), ('1e0') AS t(a);
 [CAST_INVALID_INPUT] The value '1.0' of the type "STRING" cannot be cast to "INT" because it is malformed.
 Correct the value as per the syntax, or change its target type. Use `try_cast` to tolerate malformed input and return NULL instead.
 If necessary set "spark.sql.ansi.enabled" to "false" to bypass this error.
 == SQL(line 1, position 8) ==
 SELECT cast(a AS INTEGER) FROM VALUES('1.0'), ('1e0') AS ...
        ^^^^^^^^^^^^^^^^^^

-- Adjust the target type to the match the format if the format is indicative of the domain.
> SELECT cast(a AS DOUBLE) FROM VALUES('1.0'), ('1e0') AS t(a);
 1.0
 1.0

-- ALternatively double cast to preserver the target type
> SELECT cast(cast(a AS DOUBLE) AS INTEGER) FROM VALUES('1.0'), ('1e0') AS t(a);
 1
 1

-- The format of the numeric input contains display artifacts
> SELECT cast(a AS DECIMAL(10, 3)) FROM VALUES('12,345.30-'), ('12+') AS t(a);
 [CAST_INVALID_INPUT] The value '12,345.30-' of the type "STRING" cannot be cast to "DECIMAL(10,3)" because it is malformed.
 Correct the value as per the syntax, or change its target type. Use `try_cast` to tolerate malformed input and return NULL instead.
 If necessary set "spark.sql.ansi.enabled" to "false" to bypass this error.
 == SQL(line 1, position 8) ==
 SELECT cast(a AS DECIMAL(10, 3)) FROM VALUES('$<123,45.30>'), ('...
        ^^^^^^^^^^^^^^^^^^^^^^^^^

-- Use to_number() to parse formatted values
> SELECT to_number(a, '9,999,999.999S') FROM VALUES('123,45.30-'), ('12+') AS t(a);
 -12345.300
 12.000

-- The format of a date input does not match the default format
> SELECT cast(geburtsdatum AS DATE) FROM VALUES('6.6.2000'), ('31.10.1970') AS t(geburtsdatum);
 [CAST_INVALID_INPUT] The value '6.6.2000' of the type "STRING" cannot be cast to "DATE" because it is malformed.
 Correct the value as per the syntax, or change its target type. Use `try_cast` to tolerate malformed input and return NULL instead.
 If necessary set "spark.sql.ansi.enabled" to "false" to bypass this error.
 == SQL(line 1, position 8) ==
 SELECT cast(geburtsdatum AS DATE) FROM VALUES('6.6.2000'), ('31.1...
        ^^^^^^^^^^^^^^^^^^^^^^^^^^

-- Use to_date to parse the correct input format for a date
> SELECT to_date(geburtsdatum, 'dd.MM.yyyy') FROM VALUES('6.6.2000'), ('31.10.1970') AS t(geburtsdatum);
  2000-06-06
  1970-10-31

-- The type resolution of Databricks did not derive a sufficiently wide type, failing an implicit cast
> SELECT 12 * monthly AS yearly FROM VALUES ('1200'), ('1520.56') AS t(monthly);
 [CAST_INVALID_INPUT] The value '1520.56' of the type "STRING" cannot be cast to "BIGINT" because it is malformed.
 Correct the value as per the syntax, or change its target type. Use `try_cast` to tolerate malformed input and return NULL instead.
 If necessary set "spark.sql.ansi.enabled" to "false" to bypass this error.
 == SQL(line 1, position 8) ==
 SELECT 12 * monthly AS yearly FROM VALUES ('1200'),...
        ^^^^^^^^^^^^

-- Explicitly declare the expected type
> SELECT 12 * cast(monthly AS DECIMAL(8, 2)) AS yearly FROM VALUES ('1200'), ('1520.56') AS t(monthly);
 14400.00
 18246.72

-- The input data is occasionally expected to incorrect
> SELECT cast(salary AS DECIMAL(9, 2)) FROM VALUES('30000'), ('prefer not to say') AS t(salary);
 [CAST_INVALID_INPUT] The value 'prefer not to say' of the type "STRING" cannot be cast to "DECIMAL(9,2)" because it is malformed.
 Correct the value as per the syntax, or change its target type. Use `try_cast` to tolerate malformed input and return NULL instead.
 If necessary set "spark.sql.ansi.enabled" to "false" to bypass this error.
== SQL(line 1, position 8) ==
SELECT cast(salary AS DECIMAL(9, 2)) FROM VALUES('30000'), ('prefer ...
       ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

-- Use try_cast to tolerate incorrect input
> SELECT try_cast(salary AS DECIMAL(9, 2)) FROM VALUES('30000'), ('prefer not to say') AS t(salary);
 30000.00
 NULL

-- In Databricks SQL temporarily disable ANSI mode to tolerate incorrect input.
> SET ANSI_MODE = false;
> SELECT cast(salary AS DECIMAL(9, 2)) FROM VALUES('30000'), ('prefer not to say') AS t(salary);
 30000.00
 NULL
> SET ANSI_MODE = true;

-- In Databricks Runtime temporarily disable ANSI mode to tolerate incorrect input.
> SET spark.sql.ansi.enabled = false;
> SELECT cast(salary AS DECIMAL(9, 2)) FROM VALUES('30000'), ('prefer not to say') AS t(salary);
 30000.00
 NULL
> SET spark.sql.ansi.enabled = true;