维表拉链表案例_维善优案例

维表拉链表案例_维善优案例一.数据准备下表为分区增量数据表(userinfo)创建表加载数据用户信息createtabletest.userinfo(useridstringcomment’用户编号’,mobilestringcomment’手机号码’,regdatestringcomment’注册日期’)comment’用户信息’partitionedby(dtstring)rowformatdelimitedfieldsterminatedby’,’

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用

一.数据准备

下表为分区增量数据表(userinfo)
在这里插入图片描述
创建表加载数据
用户信息

create table test.userinfo(
   userid string comment '用户编号',
   mobile string comment '手机号码',
   regdate string comment '注册日期'
)comment '用户信息'
partitioned by(dt string)
row format delimited fields terminated by ',';

拉链表(存放用户历史信息)
拉链表不是分区表:多了两个字段start_date,end_date

create table test.userhis(
   userid string comment '用户编号',
   mobile string comment '手机号码',
   regdate string comment '注册日期',
   start_date string,
   end_date string
)comment '用户信息拉链表'
row format delimited fields terminated by ',';

数据准备

001,13551111111,2020-03-01,2020-06-20
002,13561111111,2020-04-01,2020-06-20
003,13571111111,2020-05-01,2020-06-20
004,13581111111,2020-06-01,2020-06-20
002,13562222222,2020-04-01,2020-06-21
004,13582222222,2020-06-01,2020-06-21
005,13552222222,2020-06-21,2020-06-21
004,13333333333,2020-06-01,2020-06-22
005,13533333333,2020-06-21,2020-06-22
006,13733333333,2020-06-22,2020-06-22
001,13554444444,2020-03-01,2020-06-23
003,13557444444,2020-05-01,2020-06-23
005,13555555444,2020-06-21,2020-06-23
007,18674444444,2020-06-23,2020-06-23
008,13699844444,2020-06-23,2020-06-23

法一:
静态分区数据加载

/data/userinfo.dat
001,13551111111,2020-03-01
002,13561111111,2020-04-01
003,13571111111,2020-05-01
004,13581111111,2020-06-01
load data local inpath '/data/userinfo.dat' into table test.userinfo partition(dt='2020-06-20');

法二:
动态分区数据的加载:分区的值不是固定的,由输入的数据决定

创建中间表

create table test.tmp1 as 
select * from test.userinfo;

tmp1 非分区表,使用系统默认的字段分割符’\001’

alter table test.tmp1 set serdeproperties('field.delim'=',');

向中间表中加入数据

load data local inpath '/data/userinfo.dat' overwrite into table test.tmp1;

从中间表向分区表加载数据

set hive.exec.dynamic.partition.mode=nonstrict;

insert into table test.userinfo
partition(dt)
select * from test.tmp1;

将数据成功插入到了分区表中,动态加载更加能应对分区多,数据多情况

hive (test)> select * from test.userinfo;
OK
userinfo.userid	userinfo.mobile	userinfo.regdate	userinfo.dt
001	13551111111	2020-03-01	2020-06-20
002	13561111111	2020-04-01	2020-06-20
003	13571111111	2020-05-01	2020-06-20
004	13581111111	2020-06-01	2020-06-20
002	13562222222	2020-04-01	2020-06-21
004	13582222222	2020-06-01	2020-06-21
005	13552222222	2020-06-21	2020-06-21
004	13333333333	2020-06-01	2020-06-22
005	13533333333	2020-06-21	2020-06-22
006	13733333333	2020-06-22	2020-06-22
001	13554444444	2020-03-01	2020-06-23
003	13557444444	2020-05-01	2020-06-23
005	13555555444	2020-06-21	2020-06-23
007	18674444444	2020-06-23	2020-06-23
008	13699844444	2020-06-23	2020-06-23
Time taken: 0.398 seconds, Fetched: 15 row(s)

二.拉链表实现

我们的数据来源是来自test.userinfo分区表,每日更新为一个分区(包括新增+修改)
拉链表增加两个字段start_date,end_date(两字段区间表示该数据有效时间区间,否则无效)
拉链表第一天为历史数据

insert overwrite table test.userhis
select userid,mobile,regdate,dt as start_date,'9999-12-31' as end_date
from test.userinfo
where dt = '2020-06-20';

拉链表次日新增和修改数据
第二天的拉链表为今日数据+历史数据
今日数据包括新增数据+历史数据修改
因此此时当天拉链表=历史数据有效期整合后的数据+新增的数据
即拉链表userhis(2020-06-22) <= userinfo(2020-06-22) + userhis

第一步处理新增数据

select userid,mobile,regdate,dt as start_date,'9999-12-31' as end_date
from test.userinfo
where dt = '2020-06-21';

第二步处理历史数据(变化的+未变化的)

变化的数据我们要更新有效区间,未变化的数据我们要保留(使用表的外连接)

select A.userid,A.mobile,A.regdate,A.start_date,
      case when A.end_date='9999-12-31' and B.userid is not null
      then date_add(B.dt,-1)
      else A.end_date end as end_date 
from test.userhis A left join (select * from test.userinfo where dt = '2020-06-21') B on A.userid = B.userid;

综上2020-06-21当日的拉链表是:

insert overwrite table test.userhis
select userid,mobile,regdate,dt as start_date,'9999-12-31' as end_date
from test.userinfo
where dt = '2020-06-21'
union all
select A.userid,A.mobile,A.regdate,A.start_date,
      case when A.end_date='9999-12-31' and B.userid is not null
      then date_add(B.dt,-1)
      else A.end_date end as end_date 
from test.userhis A left join (select * from test.userinfo where dt = '2020-06-21') B on A.userid = B.userid;

查询当前拉链表数据

hive (test)> select * from userhis cluster by userid,start_date;
userhis.userid	userhis.mobile	userhis.regdate	userhis.start_date	userhis.end_date
001	13551111111	2020-03-01	2020-06-20	9999-12-31
002	13561111111	2020-04-01	2020-06-20	2020-06-20
002	13562222222	2020-04-01	2020-06-21	9999-12-31
003	13571111111	2020-05-01	2020-06-20	9999-12-31
004	13581111111	2020-06-01	2020-06-20	2020-06-20
004	13582222222	2020-06-01	2020-06-21	9999-12-31
005	13552222222	2020-06-21	2020-06-21	9999-12-31
Time taken: 3.148 seconds, Fetched: 7 row(s)

以后每日的拉链表就是修改对应的dt信息
通过以上方式我们每日拉链表可以通过脚本来更新

#!/bin/bash
if [ -n "$1" ]
then 
   do_date=$1
else
   do_date=`date -d "-1 day" +%F`   
fi
sql="
insert overwrite table test.userhis
select userid,mobile,regdate,dt as start_date,'9999-12-31' as end_date
from test.userinfo
where dt = '$do_date'
union all
select A.userid,A.mobile,A.regdate,A.start_date,
      case when A.end_date='9999-12-31' and B.userid is not null
      then date_add(B.dt,-1)
      else A.end_date end as end_date 
from test.userhis A left join (select * from test.userinfo where dt = '$do_date') B on A.userid = B.userid;"
hive -e "$sql"

通过执行脚本

sh userTest.sh 2020-06-22
userhis.userid	userhis.mobile	userhis.regdate	userhis.start_date	userhis.end_date
001	13551111111	2020-03-01	2020-06-20	9999-12-31
002	13561111111	2020-04-01	2020-06-20	2020-06-20
002	13562222222	2020-04-01	2020-06-21	9999-12-31
003	13571111111	2020-05-01	2020-06-20	9999-12-31
004	13581111111	2020-06-01	2020-06-20	2020-06-20
004	13582222222	2020-06-01	2020-06-21	2020-06-21
004	13333333333	2020-06-01	2020-06-22	9999-12-31
005	13552222222	2020-06-21	2020-06-21	2020-06-21
005	13533333333	2020-06-21	2020-06-22	9999-12-31
006	13733333333	2020-06-22	2020-06-22	9999-12-31
Time taken: 3.037 seconds, Fetched: 10 row(s)

sh userTest.sh 2020-06-23
userhis.userid	userhis.mobile	userhis.regdate	userhis.start_date	userhis.end_date
001	13551111111	2020-03-01	2020-06-20	2020-06-22
001	13554444444	2020-03-01	2020-06-23	9999-12-31
002	13561111111	2020-04-01	2020-06-20	2020-06-20
002	13562222222	2020-04-01	2020-06-21	9999-12-31
003	13571111111	2020-05-01	2020-06-20	2020-06-22
003	13557444444	2020-05-01	2020-06-23	9999-12-31
004	13581111111	2020-06-01	2020-06-20	2020-06-20
004	13582222222	2020-06-01	2020-06-21	2020-06-21
004	13333333333	2020-06-01	2020-06-22	9999-12-31
005	13552222222	2020-06-21	2020-06-21	2020-06-21
005	13533333333	2020-06-21	2020-06-22	2020-06-22
005	13555555444	2020-06-21	2020-06-23	9999-12-31
006	13733333333	2020-06-22	2020-06-22	9999-12-31
007	18674444444	2020-06-23	2020-06-23	9999-12-31
008	13699844444	2020-06-23	2020-06-23	9999-12-31
Time taken: 1.442 seconds, Fetched: 15 row(s)

三.拉链表的应用

1.查看拉链表中最新的数据(2020-06-23为最新数据)

hive (test)> select * from userhis where end_date='9999-12-31';
OK
userhis.userid	userhis.mobile	userhis.regdate	userhis.start_date	userhis.end_date
002	13562222222	2020-04-01	2020-06-21	9999-12-31
004	13333333333	2020-06-01	2020-06-22	9999-12-31
006	13733333333	2020-06-22	2020-06-22	9999-12-31
001	13554444444	2020-03-01	2020-06-23	9999-12-31
003	13557444444	2020-05-01	2020-06-23	9999-12-31
005	13555555444	2020-06-21	2020-06-23	9999-12-31
007	18674444444	2020-06-23	2020-06-23	9999-12-31
008	13699844444	2020-06-23	2020-06-23	9999-12-31
Time taken: 0.517 seconds, Fetched: 8 row(s)

2.查看拉链表中给定日期的数据(也就是开始日期一定<=给定日期,结束日期>=给定日期)

例如:2020-06-22
hive (test)> select * from userhis where start_date <= '2020-06-22' and end_date >= '2020-06-22';
OK
userhis.userid	userhis.mobile	userhis.regdate	userhis.start_date	userhis.end_date
001	13551111111	2020-03-01	2020-06-20	2020-06-22
003	13571111111	2020-05-01	2020-06-20	2020-06-22
002	13562222222	2020-04-01	2020-06-21	9999-12-31
004	13333333333	2020-06-01	2020-06-22	9999-12-31
005	13533333333	2020-06-21	2020-06-22	2020-06-22
006	13733333333	2020-06-22	2020-06-22	9999-12-31
Time taken: 0.244 seconds, Fetched: 6 row(s)

四.拉链表回滚

(1)法一

由于种种原因,我们需要对拉链表进行回滚操作,将拉链表回滚到rollback_date那天的数据
此时我们对拉链表中的数据进行分类

  • end_date<rollback_date 此类数据保持不变保留
  • start_date<= rollback_date <=end_date 此类数据在rollback_date那天是有效数据修改end_date为”9999-12-31″
  • rollback_date < start_date 该类数据在rollback_date那天属于无效数据-删除
    在这里插入图片描述

按照以上方式对2020-06-22拉链表回滚进行sql编码

1.end_date<rollback_date,保留

select userid,mobile,regdate,start_date,end_date,'1' as tag
from test.userhis
where end_date < '2020-06-22';

2.start_date<= rollback_date <=end_date 修改end_date为”9999-12-31″

select userid,mobile,regdate,start_date,'9999-12-31' as end_date,'2' as tag
from test.userhis
where start_date <= '2020-06-22' and '2020-06-22' <= end_date;

将以上汇总的数据写入临时表tmp(拉链表)

drop table test.tmp;
create table test.tmp as
select userid,mobile,regdate,start_date,end_date,'1' as tag
from test.userhis
where end_date < '2020-06-22'
union all
select userid,mobile,regdate,start_date,'9999-12-31' as end_date,'2' as tag
from test.userhis
where start_date <= '2020-06-22' and '2020-06-22' <= end_date;

脚本执行

#!/bin/bash
if [ -n "$1" ]
then 
   do_date=$1
else
   do_date=`date -d "-1 day" +%F`   
fi
sql="
drop table test.tmp;
create table test.tmp as
select userid,mobile,regdate,start_date,end_date
from test.userhis
where end_date < '$do_date'
union all
select userid,mobile,regdate,start_date,'9999-12-31' as end_date
from test.userhis
where start_date <= '$do_date' and '$do_date' <= end_date;
select * from test.tmp;"
hive -e "$sql"

我们这里以临时表来测试数据正确性,实际可以替换真实拉链表插入更新

(2)法二(简单处理方式)

保存一段时间增量数据(userinfo),定期对拉链表做备份(10天或者一个月);如需回滚,直接在备份的拉链表上向后跑增量数据(类似向后更新拉链表)

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/181097.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • ubuntu16.04分区方案设置(新装的ubuntu没有网络驱动)

    linux分区设置。法一:Swap(相当于电脑内存):逻辑分区、大小设置为电脑内存大小,2G,4G;/boot(引导分区):主分区:大小设置为200M;/home(用户存储数据用):逻辑分区,要尽可能大,100G空间可以设置为85G,留10G给主分区即可。/.(主分区):主分区,用于存放系统,相当于win7的C盘,10G即可。法二:/.(主分区):主分区,只分这一个区,…

  • 简单工厂模式

    简单工厂模式

    2021年12月17日
  • 简单的爬取百度图片,一页

    简单的爬取百度图片,一页

  • redis如何设置密码及验证密码_redis如何设置密码及验证密码

    redis如何设置密码及验证密码_redis如何设置密码及验证密码在百度云安装redis服务之后,一直给我发送系统安全警告,推荐我redis设置访问密码,于是出于安全考虑我就设置一下redis的密码1.修改redis.conf配置文件:找到requirepass这一行,解注这一行代码,requirepass后面就是跟的自己的密码。2.关闭redis服务,发现报错:可以使用下面两个方法关闭服务:方式一:通过psaux|grepred…

  • Anaconda环境下Tensorflow的安装与卸载

    Anaconda环境下Tensorflow的安装与卸载Anaconda环境下Tensorflow的安装与卸载文章目录Anaconda环境下Tensorflow的安装与卸载一、环境的创建与删除1.查看自己配置的环境2.配置一个新的环境3.进入和退出环境4.删除环境二、包(第三方库)的安装与卸载1.查看安装的包2.安装包3.删除包4.更新包三、tensorflow的安装与卸载1.创建一个tensorflow环境2.激活tensorflow环境3.安装tensorflow4.查看是否安装成功5.查看tensorflow的版本号6.退出tensorflow环境一

  • 前端游戏巨制! CSS居然可以做3D游戏了

    前端游戏巨制! CSS居然可以做3D游戏了前言偶然接触到CSS的3D属性,就萌生了一种做3D游戏的想法.了解过css3D属性的同学应该都了解过perspective、perspective-origin、transform-st…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号