如何理解这句话:根据ODS层中的业务数据表ods_order_info、ods_order_detail、ods_sku_info、ods_spu_info设计DWD层订单明细事实表dwd_fact_order_detail;
时间: 2023-08-12 09:04:46 浏览: 83
这句话的意思是根据ODS层中的业务数据表(即ods_order_info、ods_order_detail、ods_sku_info、ods_spu_info),设计DWD层的订单明细事实表(即dwd_fact_order_detail)。在数据仓库(Data Warehouse)的架构中,ODS层用于存储原始的业务数据,而DWD层则是对原始数据进行清洗、整合和加工,以便进行更高级别的分析和报表生成。
这句话的具体含义是,通过结合多个ODS层中的业务数据表,设计一个名为dwd_fact_order_detail的DWD层表,用于存储订单的详细信息。这个DWD层表可能会包含来自不同源表的数据字段,并且可能会进行一些数据清洗和转换操作,以便满足更高级别的分析需求。
相关问题
使用Scala编写spark工程代码,将MySQL的shtd_store库中表user_info、sku_info、base_province、base_region、order_info、order_detail的数据增量抽取到hudi的ods库中对应表user_info、sku_info、base_province、base_region、order_info、order_detail中
下面是一个示例Scala代码,用于将MySQL的shtd_store库中的数据增量抽取到Hudi的ods库中的对应表中。需要注意的是,这只是一个示例代码,具体实现可能需要根据实际情况进行调整。
```scala
import org.apache.hudi.DataSourceWriteOptions._
import org.apache.hudi.QuickstartUtils.getQuickstartWriteConfigs
import org.apache.spark.sql.{DataFrame, SaveMode, SparkSession}
object MysqlToHudi {
def main(args: Array[String]): Unit = {
val spark: SparkSession = SparkSession.builder()
.appName("mysql-to-hudi")
.master("local[*]")
.getOrCreate()
// MySQL连接信息
val url = "jdbc:mysql://localhost:3306/shtd_store"
val user = "root"
val password = "123456"
// 读取user_info表
val user_info: DataFrame = spark.read.jdbc(url, "user_info", user, password)
user_info.write.format("org.apache.hudi")
.options(getQuickstartWriteConfigs)
.option(PRECOMBINE_FIELD_OPT_KEY, "update_time")
.option(RECORDKEY_FIELD_OPT_KEY, "user_id")
.option(PARTITIONPATH_FIELD_OPT_KEY, "city_id")
.option(TABLE_NAME, "user_info")
.mode(SaveMode.Append)
.save("hdfs://localhost:9000/ods/user_info")
// 读取sku_info表
val sku_info: DataFrame = spark.read.jdbc(url, "sku_info", user, password)
sku_info.write.format("org.apache.hudi")
.options(getQuickstartWriteConfigs)
.option(PRECOMBINE_FIELD_OPT_KEY, "update_time")
.option(RECORDKEY_FIELD_OPT_KEY, "sku_id")
.option(TABLE_NAME, "sku_info")
.mode(SaveMode.Append)
.save("hdfs://localhost:9000/ods/sku_info")
// 读取base_province表
val base_province: DataFrame = spark.read.jdbc(url, "base_province", user, password)
base_province.write.format("org.apache.hudi")
.options(getQuickstartWriteConfigs)
.option(PRECOMBINE_FIELD_OPT_KEY, "update_time")
.option(RECORDKEY_FIELD_OPT_KEY, "province_id")
.option(TABLE_NAME, "base_province")
.mode(SaveMode.Append)
.save("hdfs://localhost:9000/ods/base_province")
// 读取base_region表
val base_region: DataFrame = spark.read.jdbc(url, "base_region", user, password)
base_region.write.format("org.apache.hudi")
.options(getQuickstartWriteConfigs)
.option(PRECOMBINE_FIELD_OPT_KEY, "update_time")
.option(RECORDKEY_FIELD_OPT_KEY, "region_id")
.option(TABLE_NAME, "base_region")
.mode(SaveMode.Append)
.save("hdfs://localhost:9000/ods/base_region")
// 读取order_info表
val order_info: DataFrame = spark.read.jdbc(url, "order_info", user, password)
order_info.write.format("org.apache.hudi")
.options(getQuickstartWriteConfigs)
.option(PRECOMBINE_FIELD_OPT_KEY, "update_time")
.option(RECORDKEY_FIELD_OPT_KEY, "order_id")
.option(PARTITIONPATH_FIELD_OPT_KEY, "user_id")
.option(TABLE_NAME, "order_info")
.mode(SaveMode.Append)
.save("hdfs://localhost:9000/ods/order_info")
// 读取order_detail表
val order_detail: DataFrame = spark.read.jdbc(url, "order_detail", user, password)
order_detail.write.format("org.apache.hudi")
.options(getQuickstartWriteConfigs)
.option(PRECOMBINE_FIELD_OPT_KEY, "update_time")
.option(RECORDKEY_FIELD_OPT_KEY, "detail_id")
.option(PARTITIONPATH_FIELD_OPT_KEY, "order_id")
.option(TABLE_NAME, "order_detail")
.mode(SaveMode.Append)
.save("hdfs://localhost:9000/ods/order_detail")
spark.stop()
}
}
```
在示例代码中,我们使用SparkSession连接MySQL数据库,并使用`read.jdbc`方法读取各个表的数据。然后,我们使用Hudi提供的API将数据写入到对应的Hudi表中,例如,对于`user_info`表,我们需要指定Hudi表的主键、分区键、表名等信息,并将数据保存到HDFS上的对应路径中。这样,我们就可以将MySQL中的数据增量抽取到Hudi的ods库中了。
使用Scala编写spark工程代码,将MySQL的shtd_store库中表user_info、sku_info、base_province、base_region、order_info、order_detail的数据增量抽取到Hive的ods库中对应表user_info、sku_info、base_province、base_region、order_info、order_detail中。
以下为伪代码,实现过程需要根据实际情况进行调整:
```scala
import org.apache.spark.sql.SparkSession
object IncrementalETL {
def main(args: Array[String]): Unit = {
// 创建SparkSession
val spark = SparkSession.builder()
.appName("Incremental ETL")
.enableHiveSupport()
.getOrCreate()
// 从MySQL中增量读取user_info表数据
val user_info =
spark.read
.jdbc(
url = "jdbc:mysql://localhost:3306/shtd_store",
table = "user_info",
column = "update_time",
lowerBound = getLowerBound("user_info"),
upperBound = System.currentTimeMillis(),
numPartitions = 10,
connectionProperties = getProperties()
)
// 将读取到的数据存储到Hive中的ods库中的user_info表
user_info.write
.mode("append")
.insertInto("ods.user_info")
// 从MySQL中增量读取sku_info表数据
val sku_info =
spark.read
.jdbc(
url = "jdbc:mysql://localhost:3306/shtd_store",
table = "sku_info",
column = "update_time",
lowerBound = getLowerBound("sku_info"),
upperBound = System.currentTimeMillis(),
numPartitions = 10,
connectionProperties = getProperties()
)
// 将读取到的数据存储到Hive中的ods库中的sku_info表
sku_info.write
.mode("append")
.insertInto("ods.sku_info")
// 从MySQL中增量读取base_province表数据
val base_province =
spark.read
.jdbc(
url = "jdbc:mysql://localhost:3306/shtd_store",
table = "base_province",
column = "update_time",
lowerBound = getLowerBound("base_province"),
upperBound = System.currentTimeMillis(),
numPartitions = 10,
connectionProperties = getProperties()
)
// 将读取到的数据存储到Hive中的ods库中的base_province表
base_province.write
.mode("append")
.insertInto("ods.base_province")
// 从MySQL中增量读取base_region表数据
val base_region =
spark.read
.jdbc(
url = "jdbc:mysql://localhost:3306/shtd_store",
table = "base_region",
column = "update_time",
lowerBound = getLowerBound("base_region"),
upperBound = System.currentTimeMillis(),
numPartitions = 10,
connectionProperties = getProperties()
)
// 将读取到的数据存储到Hive中的ods库中的base_region表
base_region.write
.mode("append")
.insertInto("ods.base_region")
// 从MySQL中增量读取order_info表数据
val order_info =
spark.read
.jdbc(
url = "jdbc:mysql://localhost:3306/shtd_store",
table = "order_info",
column = "update_time",
lowerBound = getLowerBound("order_info"),
upperBound = System.currentTimeMillis(),
numPartitions = 10,
connectionProperties = getProperties()
)
// 将读取到的数据存储到Hive中的ods库中的order_info表
order_info.write
.mode("append")
.insertInto("ods.order_info")
// 从MySQL中增量读取order_detail表数据
val order_detail =
spark.read
.jdbc(
url = "jdbc:mysql://localhost:3306/shtd_store",
table = "order_detail",
column = "update_time",
lowerBound = getLowerBound("order_detail"),
upperBound = System.currentTimeMillis(),
numPartitions = 10,
connectionProperties = getProperties()
)
// 将读取到的数据存储到Hive中的ods库中的order_detail表
order_detail.write
.mode("append")
.insertInto("ods.order_detail")
// 关闭SparkSession
spark.stop()
}
// 获取MySQL连接属性
def getProperties(): Properties = {
val properties = new Properties()
properties.put("user", "root")
properties.put("password", "123456")
properties.put("driver", "com.mysql.jdbc.Driver")
properties
}
// 获取每个表的最小更新时间
def getLowerBound(table: String): Long = {
// 从Hive中获取已经抽取到的最大更新时间
val maxUpdateTime = spark.sql(s"select max(update_time) from ods.$table").collect()(0)(0).toString.toLong
// 如果表没有数据,返回0
if (maxUpdateTime == null) 0 else maxUpdateTime
}
}
```
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![gz](https://img-home.csdnimg.cn/images/20210720083447.png)