子任务1:数据抽取
编写Scala代码,使用Spark将MySQL库中表EnvironmentData,ChangeRecord,BaseMachine,MachineData,ProduceRecord全量抽取到Hive的ods库中对应表environmentdata,changerecord,basemachine, machinedata, producerecord中。
- 抽取MySQL的shtd_industry库中EnvironmentData表的全量数据进入Hive的ods库中表environmentdata,字段排序、类型不变,同时添加静态分区,分区字段为etldate,类型为String,且值为当前比赛日的前一天日期(分区字段格式为yyyyMMdd)。使用hive cli执行show partitions ods.environmentdata命令,将结果截图粘贴至客户端桌面【Release\任务B提交结果.docx】中对应的任务序号下;
import org.apache.spark.SparkConf import org.apache.spark.sql.functions.{current_date, date_format, date_sub} import org.apache.spark.sql.{DataFrame, SparkSession} object SparkReadMysqlWriteODS { def main(args: Array[String]): Unit = { System.setProperty("HADOOP_USER_NAME", "root") // 创建sparkSession对象 val conf = new SparkConf().setMaster("local[*]").setAppName("spark") val spark: SparkSession = SparkSession.builder().config(conf).enableHiveSupport().getOrCreate() // 启动动态分区 spark.conf.set("hive.exec.dynamic.partition.mode", "nonstrict") // 关闭日志打印 spark.sparkContext.setLogLevel("OFF") // 连接mysql数据库 val df = spark.read .format("jdbc") .option("driver", "com.mysql.jdbc.Driver") .option("url", "jdbc:mysql://hadoop102:3306/shtd_industry?characterEncoding=utf8&useSSL=false") .option("user", "root") .option("password", "123456") .option("dbtable", "EnvironmentData") .load() df.createTempView("ods") val dataframe: DataFrame = spark.sql("select * from ods") // 添加分区字段 val frame = df1.withColumn("etldate", date_format(date_sub(current_date(), 1), "yyyyMMdd")) // 将添加过分区字段的数据写入到ods库中的environmentdata中 frame.write .mode("overwrite") .partitionBy("etldate") .saveAsTable("ods.environmentdata") // 打印分区字段 spark.sql("show partitions ods.environmentdata") // 关闭spark连接 spark.close() } }
- 抽取MySQL的shtd_industry库中ChangeRecord表的全量数据进入Hive的ods库中表changerecord,字段排序、类型不变,同时添加静态分区,分区字段为etldate,类型为String,且值为当前比赛日的前一天日期(分区字段格式为yyyyMMdd)。使用hive cli执行show partitions ods.changerecord命令,将结果截图粘贴至客户端桌面【Release\任务B提交结果.docx】中对应的任务序号下;
import org.apache.spark.SparkConf import org.apache.spark.sql.functions.{current_date, date_format, date_sub} import org.apache.spark.sql.{DataFrame, SparkSession} object SparkReadMysqlWriteODS { def main(args: Array[String]): Unit = { System.setProperty("HADOOP_USER_NAME", "root") // 创建sparkSession对象 val conf = new SparkConf().setMaster("local[*]").setAppName("spark") val spark: SparkSession = SparkSession.builder().config(conf).enableHiveSupport().getOrCreate() // 启动动态分区 spark.conf.set("hive.exec.dynamic.partition.mode", "nonstrict") // 关闭日志打印 spark.sparkContext.setLogLevel("OFF") // 连接mysql数据库 val df = spark.read .format("jdbc") .option("driver", "com.mysql.jdbc.Driver") .option("url", "jdbc:mysql://hadoop102:3306/shtd_industry?characterEncoding=utf8&useSSL=false") .option("user", "root") .option("password", "123456") .option("dbtable", "EnvironmentData") .load() df.createTempView("ods") val dataframe: DataFrame = spark.sql("select * from ods") // 添加分区字段 val frame = df1.withColumn("etldate", date_format(date_sub(current_date(), 1), "yyyyMMdd")) // 将添加过分区字段的数据写入到ods库中的environmentdata中 frame.write .mode("overwrite") .partitionBy("etldate") .saveAsTable("ods.environmentdata") // 打印分区字段 spark.sql("show partitions ods.environmentdata2") // 关闭spark连接 spark.close() } }
数据抽取的题目的代码是非常相似的,只要掌握创建spark对象和连接mysql的方法,那么抽取数据到ods层就不是很难了
其他题目只需要修改读取的库和写入的表名就可以了