数据仓库 ODS原始数据层操作
Posted noyouth
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据仓库 ODS原始数据层操作相关的知识,希望对你有一定的参考价值。
ODS(Operational Data Store):原始数据层,存放原始数据,直接加载原始日志、数据,数据保持原貌不做处理。
在ODS一般需要2个重要的步骤,示例如下:
1.建立ODS层的Hive表。
drop table if exists ods_start_log; CREATE EXTERNAL TABLE ods_start_log (`line` string) PARTITIONED BY (`dt` string) STORED AS INPUTFORMAT ‘com.hadoop.mapred.DeprecatedLzoTextInputFormat‘ OUTPUTFORMAT ‘org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat‘ LOCATION ‘/warehouse/gmall/ods/ods_start_log‘;
重要说明:
①ODS层存放的是原始数据,因此只需要一个字段就行。
②ODS层的数据来源于HDFS,里面存储的文件带有压缩,因此需要指明相应的压缩方式。Hive的LZO压缩参考https://cwiki.apache.org/confluence/display/Hive/LanguageManual+LZO。
③在多人操作一张Hive表时,最好建立外部表,防止删表时将其中的数据也删掉了。
④几乎所有数仓的表,都是分区表,每天一个区。
⑤LOCATION只是指明此项目的数据放在那里统一管理,与内外部表没有关系。
2 编写将数据导入上述表中的脚本。
#!/bin/bash APP=gmall hive=/opt/module/hive/bin/hive if [ -n $1 ] ;then do_date=$1 else do_date=date -d "-1 day" +%F fi sql=" load data inpath ‘/origin_data/gmall/log/topic_start/$do_date‘ into table "$APP".ods_start_log partition(dt=‘$do_date‘); load data inpath ‘/origin_data/gmall/log/topic_event/$do_date‘ into table "$APP".ods_event_log partition(dt=‘$do_date‘); " $hive -e "$sql"
重要说明:
①-n是为了判断有没有这个参数
②数仓一般需要导入前一天的数据,因此在日期处理上需要减一天,同时进行格式化。
③表名前需要加上库名,否则会去默认的default库里找。
④hive -e可以直接执行sql。
以上是关于数据仓库 ODS原始数据层操作的主要内容,如果未能解决你的问题,请参考以下文章