CAST_INVALID_INPUT hata sınıfı

Makale
03/01/2024

SQLSTATE: 22018

Türün <sourceType> değeri<expression>, hatalı biçimlendirilmiş olduğundan değerine dönüştürülemez<targetType>. Söz dizimine göre değeri düzeltin veya hedef türünü değiştirin. Bunun yerine hatalı biçimlendirilmiş girişi tolere etmek ve NULL döndürmek için kullanın try_cast . Gerekirse bu hatayı atlamak için "false" olarak ayarlayın <ansiConfig> .

Parametre

ifade: Atanması gereken ifade targettype
sourceType: veri türü.expression
targetType: Atama işleminin hedef türü.
ansiConfig: ANSI modunu değiştirmek için yapılandırma ayarı.

Açıklama

expression aşağıdaki nedenlerden biri nedeniyle türüne yayınlanamaztargetType:

expression türündeki etki alanı için çok büyük. Örneğin, bu etki alanı yalnızca ile arasında değiştiğinden -128 sayı 1000 olarak +127türlenemezTINYINT.
expression türün parçası olmayan karakterler içerir. Örneğin a , herhangi bir sayısal türe yayınlanamaz.
expression , atama işleminin ayrıştıramayacağı şekilde biçimlendirilir. Örneğin 1.0 ve 1e1 herhangi bir tam sayı türüne atanamaz.

Atama açıkça belirtilmemiş olabilir, ancak Azure Databricks tarafından örtük olarak eklenmiş olabilir.

Bu hatayla birlikte sağlanan bağlam bilgileri, hatayı oluşturan nesneyi ve ifadeyi yalıtıyor.

Etki alanının tanımı ve kabul edilen değişmez değer biçimleri için veri türünün tanımınatyopeNamebakın.

Azaltma

Bu hatanın hafifletilmesi nedene bağlıdır:

belirtilen value etki alanı ve biçimiyle uyumlu olması beklenir typeNamemi?

Giriş üreten değeri doğrulayın ve veri kaynağını düzeltin.
Atamanın hedefi çok mu dar?

Türü genişleterek, örneğin, 'den DATE ' e veya DOUBLE' a TIMESTAMPdoğru BIGINTINT hareket ettirin.
Biçimi value yanlış mı?

Aşağıdakileri kullanmayı göz önünde bulundurun:
Bu işlevler, belirtebileceğiniz çok çeşitli biçimler sağlar.

Ondalık noktalı sayısal değişmez değerleri (örneğin, bilimsel gösterim (örn. 1.01e0) atarken, önce DECIMAL veya DOUBLE sonra tam sayısala çift atamayı göz önünde bulundurun.
Yanlış değerlere sahip veriler bekleniyor mu ve NUL'ler üretilerek tolere edilmesi gerekiyor mu?

İfade kullanımını değiştirin veya try_cast(AS typeName değeri) ekleyin. Bu işlev, türü karşılayan bir value olmadan geçirildiğinde döndürürNULL.

İfadeyi değiştiremiyorsanız, son çare olarak kullanarak ANSI modunu ansiConfiggeçici 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
 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;

CAST_INVALID_INPUT hata sınıfı

Parametre

Açıklama

Azaltma

Örnekler

Ilgili

Ek kaynaklar