CAST_INVALID_INPUT hata durumu

SQLSTATE: 22018

<expression> türündeki değer <sourceType>, yanlış biçimlendirilmiş olduğundan <targetType>'a dönüştürülemez. Söz dizimine göre değeri düzeltin veya hedef türünü değiştirin. Hatalı biçimlendirilmiş girişi tolere etmek ve bunun yerine NULL döndürmek için try_cast kullanın. Gerekirse bu hatayı atlamak için <ansiConfig> "false" olarak ayarlayın.

Parametreler

• ifade: targettype'a atanması gereken ifade
• kaynakTürü: expression'nin veri türü.
• targetType: Dönüştürme işleminin hedef türü.
• ansiConfig: ANSI modunu değiştirmek için yapılandırma ayarı.

Açıklama

expression, aşağıdaki nedenlerden biri nedeniyle targetType'e dönüştürülemez:

• expression, türün etki alanı için çok büyük. Örneğin, etki alanı yalnızca 1000 ile TINYINTarasında olduğundan, -128 sayısı +127'e aktarılamaz.
• expression türün parçası olmayan karakterler içerir. Örneğin a herhangi bir sayısal türde dönüştürülemez.
• expression, dönüştürme işlemi tarafından ayrıştırılamayacak şekilde biçimlendirilmiştir. Örneğin 1.0 ve 1e1 herhangi bir tam sayı türüne atanamaz.

Oyuncu kadrosu açıkça belirtilmemiş olabilir, ancak Azure Databricks tarafından üstü kapalı bir şekilde eklenmiş olabilir.

Bu hatayla birlikte sağlanan bağlam bilgileri, nesneyi ve hatanın oluştuğu ifadeyi yalıtıyor.

Etki alanının ve kabul edilen harf biçimlerinin tanımı için 'nin veri türü'deki tanımına bakın.

Azaltma

Bu hatanın önlemi, nedene bağlıdır:

• value belirtilen typeNameetki alanı ve biçimiyle uyumlu olması bekleniyor mu?

  Giriş üreten değeri doğrulayın ve veri kaynağını düzeltin.

• Hedef kitlesi çok mu dar?

  Örneğin, DATE'den TIMESTAMP'a INTBIGINT veya DOUBLEtaşıyarak türü genişletin.

• value biçimi yanlış mı?

  Aşağıdakileri kullanmayı göz önünde bulundurun:

  • bugünkü tarihe kadar
  • sayıya_dönüştür
  • zaman_damgasına

  Bu işlevler, belirtebileceğiniz çok çeşitli biçimler sağlar.

  Ondalık noktalı sayısal değişmez değerleri (örneğin, 1.0) veya bilimsel gösterimli (örneğin, 1e0) dönüştürürken, önce DECIMAL veya DOUBLE’e dönüştürmeyi, sonra da tam sayısala dönüştürmeyi göz önünde bulundurun.

• Yanlış değerlere sahip veriler bekleniyor mu ve NUL'ler üretilerek tolere edilmelidir?

  try_cast(değeri AS typeName)kullanın veya enjekte edin ifadesini değiştirin. Bu işlev, türü karşılayan bir NULL olmaksızın iletildiğinde value döndürür.

  İfadeyi değiştiremiyorsanız, son çare olarak ansiConfigkullanarak ANSI modunu geçici olarak devre dışı bırakabilirsiniz.

Örnekler

-- 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
 1.000

-- 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);
 1.00
 1.72

-- 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);
 1.00
 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);
 1.00
 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);
 1.00
 NULL
> SET spark.sql.ansi.enabled = true;

İlgili

• cast işlev
• to_date işlev
• to_number işlev
• to_timestamp işlev
• try_cast işlev
• try_to_number işlev
• ANSI_MODE