(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处理带有时区的日期和时间数据

《python处理带有时区的日期和时间数据》这篇文章主要为大家详细介绍了如何在Python中使用pytz库处理时区信息,包括获取当前UTC时间,转换为特定时区等,有需要的小伙伴可以参考一下... 目录时区基本信息python datetime使用timezonepandas处理时区数据知识延展时区基本信息

Qt实现网络数据解析的方法总结

《Qt实现网络数据解析的方法总结》在Qt中解析网络数据通常涉及接收原始字节流,并将其转换为有意义的应用层数据,这篇文章为大家介绍了详细步骤和示例,感兴趣的小伙伴可以了解下... 目录1. 网络数据接收2. 缓冲区管理(处理粘包/拆包)3. 常见数据格式解析3.1 jsON解析3.2 XML解析3.3 自定义

SpringMVC 通过ajax 前后端数据交互的实现方法

《SpringMVC通过ajax前后端数据交互的实现方法》:本文主要介绍SpringMVC通过ajax前后端数据交互的实现方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价... 在前端的开发过程中,经常在html页面通过AJAX进行前后端数据的交互,SpringMVC的controll

Pandas统计每行数据中的空值的方法示例

《Pandas统计每行数据中的空值的方法示例》处理缺失数据(NaN值)是一个非常常见的问题,本文主要介绍了Pandas统计每行数据中的空值的方法示例,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是空值?为什么要统计空值?准备工作创建示例数据统计每行空值数量进一步分析www.chinasem.cn处

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Spring 请求之传递 JSON 数据的操作方法

《Spring请求之传递JSON数据的操作方法》JSON就是一种数据格式,有自己的格式和语法,使用文本表示一个对象或数组的信息,因此JSON本质是字符串,主要负责在不同的语言中数据传递和交换,这... 目录jsON 概念JSON 语法JSON 的语法JSON 的两种结构JSON 字符串和 Java 对象互转

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1