网站导航
> 文章列表 > 助力工业物联网，工业大数据之ODS层及DWD层建表语法【七】

助力工业物联网，工业大数据之ODS层及DWD层建表语法【七】

网友: 文章列表 2024-03-21 18:57:41

助力工业物联网，工业大数据之ODS层及DWD层建表语法【七】

文章目录

  • ODS层及DWD层构建
    • 01：课程回顾
    • 02：课程目标
    • 03：数仓分层回顾
    • 04：Hive建表语法
    • 05：Avro建表语法

ODS层及DWD层构建

01：课程回顾

  1. 一站制造项目的数仓设计为几层以及每一层的功能是什么？

    • ODS：原始数据层：存放从Oracle中同步采集的所有原始数据
    • DW：数据仓库层
      • DWD：明细数据层：存储ODS层进行ETL以后的数据
      • DWB：轻度汇总层：对DWD层的数据进行轻度聚合：关联和聚合
        • 基于每个主题构建主题事务事实表
      • DWS：维度数据层：对DWD层的数据进行维度抽取
        • 基于每个主题的维度需求抽取所有维度表
    • ST：数据应用层
      • 基于DWB和DWS的结果进行维度的聚合
    • DM：数据集市层
      • 用于归档存储公司所有部门需要的shuju

  2. 一站制造项目的数据来源是什么，核心的数据表有哪些？

    • 数据来源：业务系统
    • ERP：公司资产管理系统、财务数据
      • 工程师信息、零部件仓储信息
    • CISS：客户服务管理系统
      • 工单信息、站点信息、客户信息
    • 呼叫中心系统
      • 来电受理信息、回访信息

  3. 一站制造项目中在数据采集时遇到了什么问题，以及如何解决这个问题？

    • 技术选型：Sqoop
    • 问题：发现采集以后生成在HDFS上文件的行数与实际Oracle表中的数据行数不一样，多了
    • 原因：Sqoop默认将数据写入HDFS以普通文本格式存储，一旦遇到数据中如果包含了特殊字符\\n，将一行的数据解析为多行
    • 解决
      • 方案一：Sqoop删除特殊字段、替换特殊字符【一般不用】
      • 方案二：更换其他数据文件存储类型：AVRO
        • 数据存储：Hive
        • 数据计算：SparkSQL

  4. 什么是Avro格式，有什么特点？

    • 二进制文本：读写性能更快
    • 独立的Schema：生成文件每一行所有列的信息
      • 对列的扩展非常友好
    • Spark与Hive都支持的类型

  5. 如何实现对多张表自动采集到HDFS？

    • 需求

      • 读取表名
      • 执行Sqoop命令

    • 效果：将所有增量和全量表的数据采集到HDFS上

      • 全量表路径：维度表：数据量、很少发生变化

        /data/dw/ods/one_make/   full_imp   /表名/分区/数据

      • 增量表路径：事实表：数据量不断新增，整体相对较大

        /data/dw/ods/one_make/    incr_imp  /表名/分区/数据

      • Schema文件的存储目录

        /data/dw/ods/one_make/avsc

    • Shell：业务简单，Linux命令支持

    • Python：业务复杂，是否Python开发接口

      • 调用了LinuxShell来运行

  6. Python面向对象的基本应用

    • 语法

      • 定义类

        class 类名:# 属性：变量# 方法：函数

      • 定义变量

        key = value

      • 定义方法

        def funName(参数):方法逻辑return

    • 面向对象：将所有事物以对象的形式进行编程，万物皆对象

      • 对象：是类的实例

    • 对象类：专门用于构造对象的，一般称为Bean，代表某一种实体Entity

      • 类的组成

        class 类名:# 属性：变量# 方法：函数

      • 业务：实现人购买商品

        • 人

          class Person:# 属性id = 1name = zhangsanage = 18gender = 1……# 方法def eat(self,something):print(f"{self.name} eating {something}")def buy(self,something)print(f"{self.name} buy {something}")
          • 每个人都是一个Person类的对象

        • 商品

          class Product:# 属性id = 001price = 1000.00size = middlecolor = blue……# 方法def changePrice(self,newPrice):self.price = newPirce

    • 工具类：专门用于封装一些工具方法的，utils，代表某种操作的集合

      • 类的组成：一般只有方法

        class 类名:# 方法：函数

      • 字符串处理工具类：拼接、裁剪、反转、长度、转大写、转小写、替换、查找

        class StringUtils:def concat(split,args*):split.join(args)def reverse(sourceString)return reverse(sourceString)……

      • 日期处理工具类：计算、转换

        class TimeUitls:def computeTime(time1,time2):return time1-time2def transTimestamp(timestamp):return newDateyyyy-MM-dd HH:mm:ss)def tranfData(date)return timestamp

    • 常量类：专门用于定义一些不会发生改变的变量的类

      • 类的组成：一般只有属性

        class 类名:# 属性：不发生变化的属性

      • 定义一个常量类

        class Common:ODS_DB_NAME = "one_make_ods"……

        • file1.py：创建数据库

          create database if not exists Common.ODS_DB_NAME;

          • file2.py：创建表

            ```
create table if not exists Common.ODS_DB_NAME.tbname
```

            • file3.py：插入数据到表中

              insert into table  Common.ODS_DB_NAME.tbname

            • 问题1：容易写错

            • 问题2：不好修改

02：课程目标

  • 目标：自动化的ODS层与DWD层构建
  • 实现
    • 掌握Hive以及Spark中建表的语法规则
    • 实现项目开发环境的构建
    • 自己要实现所有代码注释
    • ODS层与DWD层整体运行测试成功

03：数仓分层回顾

  • 目标：回顾一站制造项目分层设计

  • 实施

    助力工业物联网，工业大数据之ODS层及DWD层建表语法【七】

    • ODS层 ：原始数据层

      • 来自于Oracle中数据的采集

      • 数据存储格式：AVRO

      • ODS区分全量和增量

      • 实现

        • 数据已经采集完成

          /data/dw/ods/one_make/full_imp
/data/dw/ods/one_make/incr_imp

        • step1：创建ODS层数据库：one_make_ods

        • step2：根据表在HDFS上的数据目录来创建分区表

        • step3：申明分区

    • DWD层

      • 来自于ODS层数据
      • 数据存储格式：ORC
      • 不区分全量和增量的
      • 实现
        • step1：创建DWD层数据库：one_make_dwd
        • step2：创建DWD层的每一张表
        • step3：从ODS层抽取每一张表的数据写入DWD层对应的表中

  • 小结

    • 回顾一站制造项目分层设计

04：Hive建表语法

  • 目标：掌握Hive建表语法

  • 实施

    CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name
(col1Name col1Type [COMMENT col_comment],co21Name col2Type [COMMENT col_comment],co31Name col3Type [COMMENT col_comment],co41Name col4Type [COMMENT col_comment],co51Name col5Type [COMMENT col_comment],……coN1Name colNType [COMMENT col_comment])
[PARTITIONED BY (col_name data_type ...)]
[CLUSTERED BY (col_name...) [SORTED BY (col_name ...)] INTO N BUCKETS]
[ROW FORMAT row_format]row format delimited fields terminated by lines terminated by
[STORED AS file_format]
[LOCATION hdfs_path]
TBLPROPERTIES
    • EXTERNAL：外部表类型（删除表的时候，不会删除hdfs中数据）
      • 内部表、外部表、临时表
    • PARTITIONED BY：分区表结构
      • 普通表、分区表、分桶表
    • CLUSTERED BY：分桶表结构
    • ROW FORMAT：指定分隔符
      • 列的分隔符：\\001
      • 行的分隔符：\\n
    • STORED AS：指定文件存储类型
      • ODS：avro
      • DWD：orc
    • LOCATION：指定表对应的HDFS上的地址
      • 默认：/user/hive/warehouse/dbdir/tbdir
    • TBLPROPERTIES：指定一些表的额外的一些特殊配置属性

  • 小结

    • 掌握Hive建表语法

05：Avro建表语法

  • 目标：掌握Hive中Avro建表方式及语法

  • 路径

    • step1：指定文件类型
    • step2：指定Schema
    • step3：建表方式

  • 实施

    • Hive官网：https://cwiki.apache.org/confluence/display/Hive/LanguageManual+DDL#LanguageManualDDL-CreateTable

    • DataBrics官网：https://docs.databricks.com/spark/2.x/spark-sql/language-manual/create-table.html

    • Avro用法：https://cwiki.apache.org/confluence/display/Hive/AvroSerDe

    • 指定文件类型

      • 方式一：指定类型

        stored as avro

      • 方式二：指定解析类

        --解析表的文件的时候，用哪个类来解析
ROW FORMAT SERDE'org.apache.hadoop.hive.serde2.avro.AvroSerDe'
--读取这张表的数据用哪个类来读取
STORED AS INPUTFORMAT'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat'
--写入这张表的数据用哪个类来写入
OUTPUTFORMAT'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat'

    • 指定Schema

      • 方式一：手动定义Schema

        CREATE TABLE embedded
COMMENT "这是表的注释"
ROW FORMAT SERDE'org.apache.hadoop.hive.serde2.avro.AvroSerDe'
STORED AS INPUTFORMAT'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat'
OUTPUTFORMAT'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat'
TBLPROPERTIES ('avro.schema.literal'='{"namespace": "com.howdy","name": "some_schema","type": "record","fields": [ { "name":"string1","type":"string"}]}'
);

      • 方式二：加载Schema文件

        CREATE TABLE embedded
COMMENT "这是表的注释"
ROW FORMAT SERDE'org.apache.hadoop.hive.serde2.avro.AvroSerDe'
STORED as INPUTFORMAT'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat'
OUTPUTFORMAT'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat'
TBLPROPERTIES ('avro.schema.url'='file:///path/to/the/schema/embedded.avsc'
);

    • 建表语法

      • 方式一：指定类型和加载Schema文件

        create external table one_make_ods_test.ciss_base_areas
comment '行政地理区域表'
PARTITIONED BY (dt string)
stored as avro
location '/data/dw/ods/one_make/full_imp/ciss4.ciss_base_areas'
TBLPROPERTIES ('avro.schema.url'='/data/dw/ods/one_make/avsc/CISS4_CISS_BASE_AREAS.avsc');

      • 方式二：指定解析类和加载Schema文件

        create external table one_make_ods_test.ciss_base_areas
comment '行政地理区域表'
PARTITIONED BY (dt string)
ROW FORMAT SERDE'org.apache.hadoop.hive.serde2.avro.AvroSerDe'
STORED AS INPUTFORMAT'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat'
OUTPUTFORMAT'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat'
location '/data/dw/ods/one_make/full_imp/ciss4.ciss_base_areas'
TBLPROPERTIES ('avro.schema.url'='/data/dw/ods/one_make/avsc/CISS4_CISS_BASE_AREAS.avsc');

        create external table 数据库名称.表名
comment '表的注释'
partitioned by
ROW FORMAT SERDE'org.apache.hadoop.hive.serde2.avro.AvroSerDe'
STORED AS INPUTFORMAT'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat'
OUTPUTFORMAT'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat'
location '这张表在HDFS上的路径'
TBLPROPERTIES （'这张表的Schema文件在HDFS上的路径'）

​

  • 小结

    • 掌握Hive中Avro建表方式及语法
网络标签：

相关问题