01：ODS层构建：需求分析
- 目标：掌握ODS层构建的实现需求
- 路径
- step1：目标
- step2：问题
- step3：需求
- step4：分析
- 实施
- 目标：将已经采集同步成功的101张表的数据加载到Hive的ODS层数据表中
- 问题
- 难点1：表太多，如何构建每张表？
- 101张表的数据已经存储在HDFS上
- 建表
- 方法1：手动开发每一张表建表语句，手动运行
- 方法2：通过程序自动化建表
- 拼接建表的SQL语句
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'）
- 表名、表的注释、表在HDFS上的路径、Schema文件在HDFS上的路径
- 将SQL语句提交给Hive或者Spark来执行
- 申明分区
alter table 表名 add partition if not exists partition(key=value)
- 难点2：如果使用自动建表，如何获取每张表的字段信息？
- Schema文件：每个Avro格式的数据表都对应一个Schema文件
- 统一存储在HDFS上
- 需求：加载Sqoop生成的Avro的Schema文件，实现自动化建表
- 分析
- step1：代码中构建一个Hive/SparkSQL的连接
- step2：创建ODS层数据库
create database if not exists one_make_ods;
- step3：创建ODS层全量表:44张表
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'='hdfs://bigdata.maynor.cn:9000/data/dw/ods/one_make/avsc/CISS4_CISS_BASE_AREAS.avsc');
- 读取全量表表名
- 动态获取表名：循环读取文件
- 获取表的信息：表的注释
- Oracle：表的信息
- 从Oracle中获取表的注释
- 获取表的文件：HDFS上AVRO文件的地址
/data/dw/ods/one_make/full_imp
- 获取表的Schema：HDFS上的Avro文件的Schema文件地址
/data/dw/ods/one_make/avsc
- 拼接建表字符串
- 方式一：直接相加：简单
str1 = "I " str2 = "like China" str3 = str1 + str2
- 方式二：通过列表拼接：复杂
- 执行建表SQL语句
- step4：创建ODS层增量表:57张表
- 读取增量表表名
- 动态获取表名：循环读取文件
- 获取表的信息：表的注释
- Oracle：表的信息
- 从Oracle中获取表的注释
- 获取表的文件：HDFS上AVRO文件的地址
/data/dw/ods/one_make/incr_imp
- 获取表的Schema：HDFS上的Avro文件的Schema文件地址
/data/dw/ods/one_make/avsc
- 拼接建表字符串
- 执行建表SQL语句
- 小结
- 掌握ODS层构建的实现需求
02：ODS层构建：创建项目环境
- 目标：实现Pycharm中工程结构的构建
- 实施
- 安装Python3.7环境
- 项目使用的Python3.7的环境代码，所以需要在Windows中安装Python3.7，与原先的Python高版本不冲突，正常安装即可
- 创建Python工程
- 安装PyHive、Oracle库
- step1：在Windows的用户家目录下创建pip.ini文件
- 例如：C:\Users\Frank\pip\pip.ini
- 内容：指定pip安装从阿里云下载
[global] index-url=http://mirrors.aliyun.com/pypi/simple/ [install] trusted-host=mirrors.aliyun.com
- step2：将文件添加到Windows的Path环境变量中
- step3：进入项目环境目录
- 例如我的项目路径是：D:\PythonProject\OneMake_Spark\venv\Scripts
- 将提供的sasl-0.2.1-cp37-cp37m-win_amd64.whl文件放入Scripts目录下
- 在CMD中执行以下命令，切换到Scripts目录下
#切换到D盘 D: #切换到项目环境的Scripts目录下 cd D:\PythonProject\OneMake_Spark\venv\Scripts
- step4：CMD中依次执行以下安装命令
# 安装sasl包 -> 使用pycharm安装，会存在下载失败情况，因此提前下载好，对应python3.7版本 pip install sasl-0.2.1-cp37-cp37m-win_amd64.whl # 安装thrift包 pip install thrift # 安装thrift sasl包One pip install thrift-sasl # 安装python操作oracle包 pip install cx-Oracle # 安装python操作hive包，也可以操作sparksql pip install pyhive
- step5：验证安装结果
- 温馨提示：其实工作中你也可以通过Pycharm直接安装
- 小结
- 实现Pycharm中工程结构的构建
03：ODS层构建：代码导入
- 目标：实现Python项目代码的导入及配置
- 实施
- Oracle本地驱动目录：将提供的instantclient_12_2目录放入D盘的根目录下
- PyHive本地连接配置：将提供的CMU目录放入C盘的根目录下
- auto_create_hive_table包
- 创建路径包
auto_create_hive_table.cn.maynor.datatohive
- 在datatohive的init文件中放入如下代码
from auto_create_hive_table.cn.maynor.datatohive import LoadData2DWD from auto_create_hive_table.cn.maynor.datatohive.CHiveTableFromOracleTable import CHiveTableFromOracleTable from auto_create_hive_table.cn.maynor.datatohive.CreateHiveTablePartition import CreateHiveTablePartition
- 其他包的init都放入如下内容
#!/usr/bin/env python # @desc : __coding__ = "utf-8" __author__ = "maynor"
- 将对应的代码文件放入对应的包或者目录中
- step1：从提供的代码中复制config、log、resource这三个目录直接粘贴到auto_create_hive_table包下
- step2：从提供的代码中复制entity、utils、EntranceApp.py这三个直接粘贴到maynor包下
- step3：从提供的代码中复制fileformat等文件直接粘贴到datatohive包下
- DW归档目录**：将提供的代码中的dw目录直接粘贴到项目中
- 小结
- 实现Python项目代码的导入及配置
