(37)DWD 层(业务数据)

2024-01-22 23:08
文章标签 数据 业务 37 dwd

本文主要是介绍(37)DWD 层(业务数据),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

业务数据方面 DWD 层的搭建主要注意点在于维度建模,减少后续大量 Join 操作。

1. 商品维度表(全量)

商品维度表主要是将商品表 SKU 表、商品一级分类、商品二级分类、商品三级分类、
商品品牌表和商品 SPU 表联接为商品表。
1 )建表语句
hive (gmall)>
DROP TABLE IF EXISTS `dwd_dim_sku_info`;
CREATE EXTERNAL TABLE `dwd_dim_sku_info` (
`id` string COMMENT ' 商品 id',
`spu_id` string COMMENT 'spuid',
`price` decimal(16,2) COMMENT ' 商品价格 ',
`sku_name` string COMMENT ' 商品名称 ',
`sku_desc` string COMMENT ' 商品描述 ',
`weight` decimal(16,2) COMMENT ' 重量 ',
`tm_id` string COMMENT ' 品牌 id',
`tm_name` string COMMENT ' 品牌名称 ',
`category3_id` string COMMENT ' 三级分类 id',
`category2_id` string COMMENT ' 二级分类 id',
`category1_id` string COMMENT ' 一级分类 id',
`category3_name` string COMMENT ' 三级分类名称 ',
`category2_name` string COMMENT ' 二级分类名称 ',
`category1_name` string COMMENT ' 一级分类名称 ',
`spu_name` string COMMENT 'spu 名称 ',
`create_time` string COMMENT ' 创建时间 '
) COMMENT ' 商品维度表 '
PARTITIONED BY (`dt` string)
stored as parquet
location '/warehouse/gmall/dwd/dwd_dim_sku_info/'
tblproperties ("parquet.compression"="lzo");

 2)数据装载

hive (gmall)>
SET hive.input.format=org.apache.hadoop.hive.ql.io.HiveInputFormat;
insert overwrite table dwd_dim_sku_info partition(dt='2020-06-14')
select
sku.id,
sku.spu_id,
sku.price,
sku.sku_name,
sku.sku_desc,
sku.weight,
sku.tm_id,
ob.tm_name,
sku.category3_id,
c2.id category2_id,
c1.id category1_id,
c3.name category3_name,
c2.name category2_name,
c1.name category1_name,
spu.spu_name,
sku.create_time
from
(
select * from ods_sku_info where dt='2020-06-14'
)sku
join
(
select * from ods_base_trademark where dt='2020-06-14'
)ob on sku.tm_id=ob.tm_id
join
(
select * from ods_spu_info where dt='2020-06-14'
)spu on spu.id = sku.spu_id
join
(
select * from ods_base_category3 where dt='2020-06-14'
)c3 on sku.category3_id=c3.id
join
(
select * from ods_base_category2 where dt='2020-06-14'
)c2 on c3.category2_id=c2.id
join
(
select * from ods_base_category1 where dt='2020-06-14'
)c1 on c2.category1_id=c1.id;

 

3 )查询加载结果
hive (gmall)> select * from dwd_dim_sku_info where dt='2020-06-14' limit 2;
2.优惠券维度表(全量)
ODS ods_coupon_info 表数据导入到 DWD 层优惠卷维度表,在导入过程中可以做
适当的清洗。
1 )建表语句
hive (gmall)>
drop table if exists dwd_dim_coupon_info;
create external table dwd_dim_coupon_info(
`id` string COMMENT ' 购物券编号 ',
`coupon_name` string COMMENT ' 购物券名称 ',
`coupon_type` string COMMENT ' 购物券类型 1 现金券 2 折扣券 3 满减券 4 满件打折券 ',
`condition_amount` decimal(16,2) COMMENT ' 满额数 ',
`condition_num` bigint COMMENT ' 满件数 ',
`activity_id` string COMMENT ' 活动编号 ',
`benefit_amount` decimal(16,2) COMMENT ' 减金额 ',
`benefit_discount` decimal(16,2) COMMENT ' 折扣 ',
`create_time` string COMMENT ' 创建时间 ',
`range_type` string COMMENT ' 范围类型 1 、商品 2 、品类 3 、品牌 ',
`spu_id` string COMMENT ' 商品 id',
`tm_id` string COMMENT ' 品牌 id',
`category3_id` string COMMENT ' 品类 id',
`limit_num` bigint COMMENT ' 最多领用次数 ',
`operate_time` string COMMENT ' 修改时间 ',
`expire_time` string COMMENT ' 过期时间 '
) COMMENT ' 优惠券维度表 '
PARTITIONED BY (`dt` string)
stored as parquet
location '/warehouse/gmall/dwd/dwd_dim_coupon_info/'
tblproperties ("parquet.compression"="lzo");
2 )数据装载
hive (gmall)>
SET hive.input.format=org.apache.hadoop.hive.ql.io.HiveInputFormat;
insert overwrite table dwd_dim_coupon_info partition(dt='2020-06-14')
select
id,
coupon_name,
coupon_type,
condition_amount,
condition_num,
activity_id,
benefit_amount,
benefit_discount,
create_time,
range_type,
spu_id,
tm_id,
category3_id,
limit_num,
operate_time,
expire_time
from ods_coupon_info
where dt='2020-06-14';
3 )查询加载结果
hive (gmall)> select * from dwd_dim_coupon_info where dt='2020-06-14' limit 2;
3 活动维度表(全量)
1 )建表语句
hive (gmall)>
drop table if exists dwd_dim_activity_info;
create external table dwd_dim_activity_info(
`id` string COMMENT ' 编号 ',
`activity_name` string COMMENT ' 活动名称 ',
`activity_type` string COMMENT ' 活动类型 ',
`start_time` string COMMENT ' 开始时间 ',
`end_time` string COMMENT ' 结束时间 ',
`create_time` string COMMENT ' 创建时间 '
) COMMENT ' 活动信息表 '
PARTITIONED BY (`dt` string)
stored as parquet
location '/warehouse/gmall/dwd/dwd_dim_activity_info/'
tblproperties ("parquet.compression"="lzo");
2 )数据装载
hive (gmall)>
SET hive.input.format=org.apache.hadoop.hive.ql.io.HiveInputFormat;
insert overwrite table dwd_dim_activity_info partition(dt='2020-06-14')
select
id,
activity_name,
activity_type,
start_time,
end_time,
create_time
from ods_activity_info
where dt='2020-06-14';
3 )查询加载结果
hive (gmall)> select * from dwd_dim_activity_info where dt='2020-06-14' limit 2;
4 地区维度表(特殊)
1 )建表语句
hive (gmall)>
DROP TABLE IF EXISTS `dwd_dim_base_province`;
CREATE EXTERNAL TABLE `dwd_dim_base_province` (
`id` string COMMENT 'id',
`province_name` string COMMENT ' 省市名称 ',
`area_code` string COMMENT ' 地区编码 ',
`iso_code` string COMMENT 'ISO 编码 ',
`region_id` string COMMENT ' 地区 id',
`region_name` string COMMENT ' 地区名称 '
) COMMENT ' 地区维度表 '
stored as parquet
location '/warehouse/gmall/dwd/dwd_dim_base_province/'
tblproperties ("parquet.compression"="lzo");
2 )数据装载
hive (gmall)>
SET hive.input.format=org.apache.hadoop.hive.ql.io.HiveInputFormat;
insert overwrite table dwd_dim_base_province
select
bp.id,
bp.name,
bp.area_code,
bp.iso_code,
bp.region_id,
br.region_name
from
(
select * from ods_base_province
) bp
join
(
select * from ods_base_region
) br
on bp.region_id = br.id;
3 )查询加载结果
hive (gmall)> select * from dwd_dim_base_province limit 2;
5 时间维度表(特殊)
1 )建表语句
hive (gmall)>
DROP TABLE IF EXISTS `dwd_dim_date_info`;
CREATE EXTERNAL TABLE `dwd_dim_date_info`(
`date_id` string COMMENT ' ',
`week_id` string COMMENT ' ',
`week_day` string COMMENT ' 周的第几天 ',
`day` string COMMENT ' 每月的第几天 ',
`month` string COMMENT ' 第几月 ',
`quarter` string COMMENT ' 第几季度 ',
`year` string COMMENT ' ',
`is_workday` string COMMENT ' 是否是周末 ',
`holiday_id` string COMMENT ' 是否是节假日 '
) COMMENT ' 时间维度表 '
stored as parquet
location '/warehouse/gmall/dwd/dwd_dim_date_info/'
tblproperties ("parquet.compression"="lzo");
2 )把 date_info.txt 文件上传到 hadoop102 /opt/module/db_log/ 路径
3 )数据装载
注意:由于 dwd_dim_date_info 是列式存储 +LZO 压缩。直接将 date_info.txt 文件导入到
目标表,并不会直接转换为列式存储 +LZO 压缩。我们需要创建一张普通的临时表
dwd_dim_date_info_tmp ,将 date_info.txt 加载到该临时表中。最后通过查询临时表数据,把
查询到的数据插入到最终的目标表中。
1 )创建临时表,非列式存储
hive (gmall)>
DROP TABLE IF EXISTS `dwd_dim_date_info_tmp`;
CREATE EXTERNAL TABLE `dwd_dim_date_info_tmp`(
`date_id` string COMMENT ' ',
`week_id` string COMMENT ' ',
`week_day` string COMMENT ' 周的第几天 ',
`day` string COMMENT ' 每月的第几天 ',
`month` string COMMENT ' 第几月 ',
`quarter` string COMMENT ' 第几季度 ',
`year` string COMMENT ' ',
`is_workday` string COMMENT ' 是否是周末 ',
`holiday_id` string COMMENT ' 是否是节假日 '
) COMMENT ' 时间临时表 '
row format delimited fields terminated by '\t'
location '/warehouse/gmall/dwd/dwd_dim_date_info_tmp/';
2 )将数据导入临时表
hive (gmall)>
load data
local
inpath '/opt/module/db_log/date_info.txt' into table
dwd_dim_date_info_tmp;
3 )将数据导入正式表
hive (gmall)>
insert overwrite table dwd_dim_date_info select * from dwd_dim_date_info_tmp;
4 )查询加载结果
hive (gmall)> select * from dwd_dim_date_info;

这篇关于(37)DWD 层(业务数据)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/634528

相关文章

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Redis 中的热点键和数据倾斜示例详解

《Redis中的热点键和数据倾斜示例详解》热点键是指在Redis中被频繁访问的特定键,这些键由于其高访问频率,可能导致Redis服务器的性能问题,尤其是在高并发场景下,本文给大家介绍Redis中的热... 目录Redis 中的热点键和数据倾斜热点键(Hot Key)定义特点应对策略示例数据倾斜(Data S

Python实现将MySQL中所有表的数据都导出为CSV文件并压缩

《Python实现将MySQL中所有表的数据都导出为CSV文件并压缩》这篇文章主要为大家详细介绍了如何使用Python将MySQL数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到... python将mysql数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到另一个

SpringBoot整合jasypt实现重要数据加密

《SpringBoot整合jasypt实现重要数据加密》Jasypt是一个专注于简化Java加密操作的开源工具,:本文主要介绍详细介绍了如何使用jasypt实现重要数据加密,感兴趣的小伙伴可... 目录jasypt简介 jasypt的优点SpringBoot使用jasypt创建mapper接口配置文件加密

使用Python高效获取网络数据的操作指南

《使用Python高效获取网络数据的操作指南》网络爬虫是一种自动化程序,用于访问和提取网站上的数据,Python是进行网络爬虫开发的理想语言,拥有丰富的库和工具,使得编写和维护爬虫变得简单高效,本文将... 目录网络爬虫的基本概念常用库介绍安装库Requests和BeautifulSoup爬虫开发发送请求解

Oracle存储过程里操作BLOB的字节数据的办法

《Oracle存储过程里操作BLOB的字节数据的办法》该篇文章介绍了如何在Oracle存储过程中操作BLOB的字节数据,作者研究了如何获取BLOB的字节长度、如何使用DBMS_LOB包进行BLOB操作... 目录一、缘由二、办法2.1 基本操作2.2 DBMS_LOB包2.3 字节级操作与RAW数据类型2.