Hive拉链表实战-SQL模拟hive仓库拉链表实现
Posted 保护胖仔
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Hive拉链表实战-SQL模拟hive仓库拉链表实现相关的知识，希望对你有一定的参考价值。
- 创建MySQL 数据库
- 创建MySQL 数据库 业务数据表
- 录入2019-12-20日 业务数据到 业务型数据库中
- 这里继续使用mysql ，模仿hive数据仓库过程
- 全量导入hive的 ods_product 表中
- hive仓库 创建临时表 dw_product 不一定是DW ，ODS过滤无效字段 或者将数据补全啊 也都可以做的
- 将ods_product 数据导入拉链表中
- 现业务数据库t_product中 数据 发生 更新 和 插入 操作 时间为2019-12-21
- 我们知道 ods层要和业务数据库保持一致 所以 hive中要做overwrite操作
- 我们模仿 所以 truncate ，进行 insert into操作 将业务数据导入ods层
- 接下来 保存 新增的数据到拉链表中，同时 修改 已经发生变化的数据 并修改end时间戳
- 最终效果
创建mysql 数据库
create database if not exists demo;
创建MySQL 数据库 业务数据表
create table if not exists demo.t_product (
goods_id varchar(255), -- 商品编号
goods_status varchar(255), -- 商品状态
createtime varchar(255), -- 商品创建时间
modifytime varchar(255) -- 商品修改时间
);
录入2019-12-20日 业务数据到 业务型数据库中
insert into `demo`.`t_product`(goods_id, goods_status, createtime, modifytime) values
('001', '待审核', '2019-12-18', '2019-12-20'),
('002', '待售', '2019-12-19', '2019-12-20'),
('003', '在售', '2019-12-20', '2019-12-20'),
('004', '已删除', '2019-12-15', '2019-12-20');
select * from demo.t_product;
/*
001 待审核 2019-12-18 2019-12-20
002 待售 2019-12-19 2019-12-20
003 在售 2019-12-20 2019-12-20
004 已删除 2019-12-15 2019-12-20
*/
这里继续使用mysql ，模仿hive数据仓库过程
创建hive表 首先创建ODS ，ODS 原始数据层 和 业务数据库数据保持一致=
ods_product(省略设置分区条件 partitioned by (dt string)
create table if not exists demo.ods_product(
goods_id varchar(255), -- 商品编号
goods_status varchar(255), -- 商品状态
createtime varchar(255), -- 商品创建时间
modifytime varchar(255) -- 商品修改时间
);
全量导入hive的 ods_product 表中
insert into demo.ods_product select * from demo.t_product;
select * from demo.ods_product;
/*
001 待审核 2019-12-18 2019-12-20
002 待售 2019-12-19 2019-12-20
003 在售 2019-12-20 2019-12-20
004 已删除 2019-12-15 2019-12-20
*/
hive仓库 创建临时表 dw_product 不一定是DW ，ODS过滤无效字段 或者将数据补全啊 也都可以做的
这里 字段都有用 所以 都要，多两个时间戳字段
create table if not exists demo.dw_product(
goods_id varchar(255), -- 商品编号
goods_status varchar(255), -- 商品状态
createtime varchar(255), -- 商品创建时间
modifytime varchar(255), -- 商品修改时间
dw_start_date varchar(255), -- 生效日期
dw_end_date varchar(255) -- 失效日期
);
将ods_product 数据导入拉链表中
insert into demo.dw_product
select
goods_id,
goods_status,
createtime,
modifytime,
modifytime as 'dw_start_date',
'9999-12-31' as 'dw_end_date'
from demo.ods_product;
select * from demo.dw_product ;
/*
001 待审核 2019-12-18 2019-12-20 2019-12-20 9999-12-31
002 待售 2019-12-19 2019-12-20 2019-12-20 9999-12-31
003 在售 2019-12-20 2019-12-20 2019-12-20 9999-12-31
004 已删除 2019-12-15 2019-12-20 2019-12-20 9999-12-31
*/
现业务数据库t_product中 数据 发生 更新 和 插入 操作 时间为2019-12-21
001 商品的Status状态由 待审核 变为 待售
新增005 006商品
UPDATE demo.t_product SET goods_status = '待售', modifytime = '2019-12-21' WHERE goods_id = '001';
INSERT INTO demo.t_product(goods_id, goods_status, createtime, modifytime) VALUES
('005', '待审核', '2019-12-21', '2019-12-21'),
('006', '待审核', '2019-12-21', '2019-12-21');
select * from demo.t_product;
/*
001 待售 2019-12-18 2019-12-21
002 待售 2019-12-19 2019-12-20
003 在售 2019-12-20 2019-12-20
004 已删除 2019-12-15 2019-12-20
005 待审核 2019-12-21 2019-12-21
006 待审核 2019-12-21 2019-12-21
*/
我们知道 ods层要和业务数据库保持一致 所以 hive中要做overwrite操作
我们模仿 所以 truncate ，进行 insert into操作 将业务数据导入ods层
truncate table demo.ods_product;
insert into demo.ods_product select * from demo.t_product;
接下来 保存 新增的数据到拉链表中，同时 修改 已经发生变化的数据 并修改end时间戳
1. 先把之前的历史数据结束时间修改掉 left join
select
dw.goods_id,
dw.goods_status,
dw.createtime,
dw.modifytime,
dw.dw_start_date,
-- 右表ods的ID 进行关联 不为null,并且dw的结束时间为9999-12-31
# 不为null 表示 左边也有这条数据 ，结束时间为9999-12-31 说明是最新的/上一条 数据 我们进行判断修改
case when (ods.goods_id is not null and dw.dw_end_date = '9999-12-31')
then ods.modifytime
else dw.dw_end_date
end as dw_end_date
from demo.dw_product dw
left join
(select * from demo.ods_product where modifytime='2019-12-20') ods
on dw.goods_id = ods.goods_id;
/*
001 待审核 2019-12-18 2019-12-20 2019-12-20 2019-12-21 可以看出 001 发生数据被修改
002 待售 2019-12-19 2019-12-20 2019-12-20 2019-12-20
003 在售 2019-12-20 2019-12-20 2019-12-20 2019-12-20
004 已删除 2019-12-15 2019-12-20 2019-12-20 2019-12-20
*/
2. 关联新增的数据 用union
还是 之前创建的 那块代码 照搬
/*
select
ods.goods_id, -- 商品编号
ods.goods_status, -- 商品状态
ods.createtime, -- 商品创建时间
ods.modifytime, -- 商品的修改时间
ods.modifytime as dw_start_date,
'9999-12-31' as dw_end_date
from demo.ods_product ods where modifytime = '2019-12-21';
*/
实现
insert into demo.dw_product
-- 1. 先把之前的历史数据结束时间修改掉
select
dw.goods_id,
dw.goods_status,
dw.createtime,
dw.modifytime,
dw.dw_start_date,
-- 右表ods的ID 进行关联 不为null,并且dw的结束时间为9999-12-31
# 不为null 表示 左边也有这条数据 ，结束时间为9999-12-31 说明是最新的/上一条 数据 我们进行判断修改
case when (ods.goods_id is not null and dw.dw_end_date = '9999-12-31')
then ods.modifytime
else dw.dw_end_date
end as dw_end_date
from demo.dw_product dw
left join
(select * from demo.ods_product where modifytime='2019-12-20') ods
on dw.goods_id = ods.goods_id
-- 2. 关联本次新增数据
union all
select
ods.goods_id,
ods.goods_status,
ods.createtime,
ods.modifytime,
ods.modifytime as dw_start_date,
'9999-12-31' as dw_end_date
from demo.ods_product ods where modifytime = '2019-12-21';
原dw数据
/*
001 待审核 2019-12-18 2019-12-20 2019-12-20 9999-12-31
002 待售 2019-12-19 2019-12-20 2019-12-20 9999-12-31
003 在售 2019-12-20 2019-12-20 2019-12-20 9999-12-31
004 已删除 2019-12-15 2019-12-20 2019-12-20 9999-12-31
*/
select * from demo.dw_product;
最终效果
/*
001 待审核 2019-12-18 2019-12-20 2019-12-20 9999-12-31
002 待售 2019-12-19 2019-12-20 2019-12-20 9999-12-31
003 在售 2019-12-20 2019-12-20 2019-12-20 9999-12-31
004 已删除 2019-12-15 2019-12-20 2019-12-20 9999-12-31
这个 以下为 我们想要的数据 因为上面我们使用的MySQL模仿hive 使用的MySQL 的 insert ino
不是hive的 insert overwrite table
001 待审核 2019-12-18 2019-12-20 2019-12-20 9999-12-31
002 待售 2019-12-19 2019-12-20 2019-12-20 2019-12-20
003 在售 2019-12-20 2019-12-20 2019-12-20 2019-12-20
004 已删除 2019-12-15 2019-12-20 2019-12-20 2019-12-20
001 待售 2019-12-18 2019-12-21 2019-12-21 9999-12-31
005 待审核 2019-12-21 2019-12-21 2019-12-21 9999-12-31
006 待审核 2019-12-21 2019-12-21 2019-12-21 9999-12-31
*/
以上是关于Hive拉链表实战-SQL模拟hive仓库拉链表实现的主要内容，如果未能解决你的问题，请参考以下文章