MaxCompute 学习计划(一)

前言

MaxCompue(原名ODPS)是阿里巴巴自主研发的一种快速、完全托管的TB/PB级数据仓库解决方案，获得了很多用户的喜爱。这篇帖子希望能给这些用户关于如何学习使用一些帮助。 帖子本身很少直接介绍MaxCompute的知识，但是会给出如果想学好需要做到什么，像是一张Checklist。当随着时间的积累，你在上面打满了勾的时候，相信你已经能熟练使用MaxCompute进行开发了。在写本学习计划时，因为Datahub和流计算正在重构，暂时不包含在内。

如果在学习过程中遇到任何解决不了的问题，可以在文后和我们留言互动。因为问题或许有共性，或许也能帮到其他人。但是涉及到诸如账号密码，Access Id/Key一类的敏感信息，请务必不要写在留言里，有需要可以提交工单咨询。

大纲

本学习计划主要包含:

• Mysql SQL
• MaxCompute SQL
• UDF/UDAF/UDTF
• MapReduce和Graph的开发
• SDK和Tunnel

形式

学习计划不会大篇幅的介绍MaxCompute相关的知识，但是会告诉你如果要完成本篇的学习，需要了解什么。你可能需要翻阅指定的文档，也可能需要使用搜索引擎去搜专业名词的含义。课程会包含一些练习题，希望每个题目都没有问题后再继续下一课的学习。

Mysql SQL

现在的系统架构里，数据被大量地以表的形式存储在数据库里。使用SQL语言进行查询，是分析这些数据最方便的方法。我们可以用SQL非常简单地分析用户的区域分布，了解销量的同比和环比等等。

在本课学习计划的第一课，我们会复习标准的SQL语法。读书时对SQL编写比较自信的同学可以跳过本课，或者直接去看思考题。

数据集

这里选择大家比较熟悉的Emp/Dept表做为数据集。为了方便大家测试，给出了相关的SQL。注意有删表指令，操作前需核实。

DROP TABLE IF EXISTS  `emp`;
CREATE TABLE `emp` (
  `EMPNO` int(4) NOT NULL,
  `ENAME` varchar(10) DEFAULT NULL,
  `JOB` varchar(9) DEFAULT NULL,
  `MGR` int(4) DEFAULT NULL,
  `HIREDATE` date DEFAULT NULL,
  `SAL` int(7) DEFAULT NULL,
  `COMM` int(7) DEFAULT NULL,
  `DEPTNO` int(2) DEFAULT NULL,
  PRIMARY KEY (`EMPNO`),
  KEY `FK_DEPTNO` (`DEPTNO`),
  CONSTRAINT `FK_DEPTNO` FOREIGN KEY (`DEPTNO`) REFERENCES `dept` (`DEPTNO`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

insert into `emp`(`EMPNO`,`ENAME`,`JOB`,`MGR`,`HIREDATE`,`SAL`,`COMM`,`DEPTNO`) values
('7369','SMITH','CLERK','7902','1980-12-17','800',null,'20'),
('7499','ALLEN','SALESMAN','7698','1981-02-20','1600','300','30'),
('7521','WARD','SALESMAN','7698','1981-02-22','1250','500','30'),
('7566','JONES','MANAGER','7839','1981-04-02','2975',null,'20'),
('7654','MARTIN','SALESMAN','7698','1981-09-28','1250','1400','30'),
('7698','BLAKE','MANAGER','7839','1981-05-01','2850',null,'30'),
('7782','CLARK','MANAGER','7839','1981-06-09','2450',null,'10'),
('7788','SCOTT','ANALYST','7566','1987-04-19','3000',null,'20'),
('7839','KING','PRESIDENT',null,'1981-11-17','5000',null,'10'),
('7844','TURNER','SALESMAN','7698','1981-09-08','1500','0','30'),
('7876','ADAMS','CLERK','7788','1987-05-23','1100',null,'20'),
('7900','JAMES','CLERK','7698','1981-12-03','950',null,'30'),
('7902','FORD','ANALYST','7566','1981-12-03','3000',null,'20'),
('7934','MILLER','CLERK','7782','1982-01-23','1300',null,'10');

DROP TABLE IF EXISTS  `dept`;
CREATE TABLE `dept` (
  `DEPTNO` int(2) NOT NULL,
  `DNAME` varchar(14) DEFAULT NULL,
  `LOC` varchar(13) DEFAULT NULL,
  PRIMARY KEY (`DEPTNO`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

insert into `dept`(`DEPTNO`,`DNAME`,`LOC`) values
('10','ACCOUNTING','NEW YORK'),
('20','RESEARCH','DALLAS'),
('30','SALES','CHICAGO'),
('40','OPERATIONS','BOSTON');

作业

这些是从网上找的题目，参考答案网上也有。记得在搜答案之前要先自己写出语句并执行过看看是否符合预期。

1． 列出至少有一个员工的所有部门。
2． 列出薪金比“SMITH”多的所有员工。
3． 列出所有员工的姓名及其直接上级的姓名。
4． 列出受雇日期早于其直接上级的所有员工。
5． 列出部门名称和这些部门的员工信息，同时列出那些没有员工的部门。
6． 列出所有“CLERK”（办事员）的姓名及其部门名称。
7． 列出最低薪金大于1500的各种工作。
8． 列出在部门“SALES”（销售部）工作的员工的姓名，假定不知道销售部的部门编号
9． 列出薪金高于公司平均薪金的所有员工。
10．列出与“SCOTT”从事相同工作的所有员工。
11．列出薪金等于部门30中员工的薪金的所有员工的姓名和薪金。
12．列出薪金高于在部门30工作的所有员工的薪金的员工姓名和薪金。
13．列出在每个部门工作的员工数量、平均工资和平均服务期限。
14．列出所有员工的姓名、部门名称和工资。
15．列出所有部门的详细信息和部门人数。
16．列出各种工作的最低工资。
17．列出各个部门的MANAGER（经理）的最低薪金。
18．列出所有员工的年工资,按年薪从低到高排序。

1. 用两种方法求出薪水的最大值。

思考题

• 表的连接方式都有哪些，各自的使用场景是什么?比如题2和3。（查资料）
• in和exists遇到子查询结果为空或者有重复的内容的时候结果怎么样？如何改成join？（参考这里）

SQL的用法对后面的MaxCompute SQL的学习很有帮助，而且现在市面上学习资料非常多，这里不再赘言。不过这些题目无法代表全部的SQL技能，还需大家多思考多练习。

另外如果大家有从网上搜这些题目的话，可能会惊叹，为什么我的结果和别人的答案不一样。举个例子，就说题2。如果表里有多个叫“SMITH”的员工，那是比任意一个“SMITH”薪金高就返回呢，还是比全部的“SMITH”高？其实更多的是一个理解或者口径的问题，同样的一句话可能有不同的理解。所以这句话我必须要加粗：良好的沟通能力是数据分析师的核心技能之一。