本文主要是介绍如何在海豚调度器自动监测报表是否跑出数据,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!
在数据仓库报表开发时,有的报表依赖的表多,虽然在海豚调度任务上是跑成功,但实际上没有跑出数据来。开发人员负责的任务和表越来越多,每天去手动检查费时费力,不去理睬默认是成功的,等到业务或产品发现问题时,又给人一种不专业不负责的感觉。
比较好的方式是用代码进行自动巡检,由于项目现在是用海豚调度器,为了统一及利用海豚调度器的失败通知,下面用海豚调度器来实现自动监测报表是否跑出数据来。
由于海豚调度器是分布式的,后面不但要监测mysql、还要监测hive或hbase,但pyspark可以方便来访问这些数据库,同时不用在不同机器额外安装软件。
1、编写查看mysql的包按日期或月份是否有数据的脚本
from pyspark.sql import SparkSession
from pyspark.sql.functions import col
import sys# 创建SparkSession
spark = SparkSession.builder \.appName("Database Query") \.getOrCreate()# 数据库连接信息
DB_HOST = 'your_db_host'
DB_PORT = 3306 # MySQL默认端口号
DB_NAME = 'your_db_name'
DB_USER = 'your_db_user'
DB_PASSWORD = 'your_db_password'# 检查的日期和月份
DATE_TO_CHECK = '2024-05-22'
MONTH_TO_CHECK = '202404'# 表名和相应的SQL查询语句
TABLE_QUERIES = {'test_measu
这篇关于如何在海豚调度器自动监测报表是否跑出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!