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, 请联系我们举报,一经查实,本站将立刻删除。

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

(0)
上一篇 2022年10月17日 上午9:16
下一篇 2022年10月17日 上午9:16


相关推荐

  • OpenClaw Skills学习及手搓一个极简skill

    OpenClaw Skills学习及手搓一个极简skill

    2026年3月13日
    3
  • kafka与rocketmq优劣势_kafka rocketmq rabbitmq

    kafka与rocketmq优劣势_kafka rocketmq rabbitmq前言:公司采用了两种消息队列,一种是阿里云的rocketMQ,一种是kafka.分别用在了两种不同的场景.这里做个记录.rocketMQ使用场景:1.异步解耦:拿我们的项目举例,有一个场景,是需要pc端触发派单接口,然后发送给app端消息通知.此时要求能够做到每个app都能收到消息,但是又希望这个发送的过程尽量的短,也就是派单接口尽量快.那么这个派送的过程可以采用rocketM…

    2022年8月31日
    9
  • 计算机运行游戏卡顿,电脑玩游戏卡怎么办几种实用解决方法

    计算机运行游戏卡顿,电脑玩游戏卡怎么办几种实用解决方法现在很多朋友都喜欢玩游戏,虽然大多数人都是用手机玩游戏了,但还是有一些比较好玩的游戏是需要电脑上玩的,而有时候我们会遇到电脑玩游戏卡的问题,这是怎么回事呢?实际上这种问题需要用排除法来确定问题的所在,从而围绕问题来解决,这里U盘网就教大家由易到难的解决方案。我们需要确定是电脑硬件慢还是系统慢,还是网络慢。一、网络导致游戏卡顿首先我们可以从游戏的卡顿表现来判断是网络问题还是系统的问题,一般来说如果是…

    2025年8月29日
    6
  • origin绘图同时添加柱状图和折线图

    origin绘图同时添加柱状图和折线图在绘制数据图时,为了清晰反应不同数据之间的关系,往往需要在同一个图中同时添加柱状图和点线图。这时候需要左右两个纵坐标。下面介绍这种图的绘制方法1、首先绘制一个柱状图,具体绘制方法可以参考上一篇博客:origin绘图软件安装包及入门使用2在图的右侧插入刻度线,插入顺序如下图所示,点击图–>新图层(轴)–>右Y轴3、添加完后双击右侧刻度线修改刻度的起始值和要插入的点线图数值范围对应4、插入折线图,选择图->添加点线图,从book中选择要绘制点线图的数据导入到右侧

    2022年5月22日
    427
  • 使用Pycharm新建项目

    使用Pycharm新建项目使用 Pycharm 新建项目

    2026年3月18日
    1
  • SenseVoice-Small语音识别模型MySQL数据库集成教程:识别结果持久化

    SenseVoice-Small语音识别模型MySQL数据库集成教程:识别结果持久化

    2026年3月16日
    2

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号