数据仓库 ODS原始数据层操作

Posted 2020-12-12 noyouth

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。