题目要求:
抽取ds_db01库中customer_inf的增量数据进入Hive的ods库中表customer_inf。根据ods.user_info表中modified_time作为增量字段,只将新增的数据抽入,字段名称、类型不变,同时添加静态分区,分区字段为etl_date,类型为String,且值为当前日期的前一天日期(分区字段格式为yyyyMMdd)。使用hive cli执行show partitions ods.customer_inf命令;
代码实现:
package org.example
import org.apache.spark.SparkConf
import org.apache.spark.sql.SparkSession
import java.time.LocalDate
object Demo {
def main(args: Array[String]): Unit = {
// 创建spark
val conf = new SparkConf().setMaster("local[*]").setAppName("one")
.set("spark.testing.memory", "2147480000").set("dfs.client.use.datanode.hostname", "true")
System.setProperty("HADOOP_USER_NAME", "root")
// 连接hive
val spark = SparkSession.builder()
// 配置 Hive Metastore 的连接地址
.config("hive.metastore.uris", "thrift://192.168.23.60:9083")
// 配置 Hive 数据仓库的存储位置
.config("hive.metastore.warehouse", "hdfs://192.168.23.60://9000/user/hive/warehouse")
// 配置 Spark SQL 的存储分配策略为 "LEGACY"
.config("spark.sql.storeAssignmentPolicy", "LEGACY")
// 添加其他自定义的 Spark 配置
.config(conf)
// 启用对 Hive 的支持,使得可以使用 Hive 的表和查询
.enableHiveSupport()
// 创建 SparkSession 对象
.getOrCreate()
//连接mysql
spark.read.format("jdbc")
.option("url","jdbc:mysql://192.168.23.60:3306/ds_db01??characterEncoding=UTF-8")
.option("driver","com.mysql.jdbc.Driver")
.option("user","root")
.option("password","123456")
.option("dbtable","customer_inf")
.load().createOrReplaceTempView("v") //对该表创建视图
spark.sql("select * from v")
// 获取当天时间的前一天
val unit = java.time.LocalDate.now().plusYears(-1).plusMonths(-1).plusDays(-1).toString().replace("-", "")
val unit1 = unit.toInt
//全量抽取
// spark.sql(
// s"""
// |insert overwrite table gh_test.customer_inf
// |partition (etl_date="${unit}")
// |select * from v
// |
// |""".stripMargin).show()
//
//spark.sql("select * from gh_test.customer_inf").show
//将modified_time类型转换为yyyyMMdd
spark.sql(
s"""
|select customer_inf_id,customer_id,customer_name,identity_card_type,identity_card_no,mobile_phone,
|customer_email,gender,customer_point,register_time,birthday,customer_level,customer_money,
|from_unixtime(unix_timestamp(modified_time,'yyyy-MM-dd'),'yyyyMMdd') as modified_time
|from v
|""".stripMargin).createOrReplaceTempView("v1")
// spark.sql("select count(*) from gh_test.customer_inf").show
//从mysql中增量抽取到hive
spark.sql(
s"""
|insert overwrite table gh_test.customer_inf
|partition (etl_date="${unit}")
|select * from v where modified_time>"${unit1}"
|""".stripMargin
).show()
// spark.sql("select * from gh_test.customer_inf").show
// 查询抽取后的条数
spark.sql("select count(*) from gh_test.customer_inf").show
// spark.sql("desc gh_test.customer_inf")
}
}
本文转载自: https://blog.csdn.net/m0_69097184/article/details/132807922
版权归原作者 小辉懂编程 所有, 如有侵权,请联系我们删除。
版权归原作者 小辉懂编程 所有, 如有侵权,请联系我们删除。