助力工业物联网，工业大数据之ODS层构建：代码结构及修改【九】

news2024/11/18 7:24:59

文章目录

- 01：ODS层构建：代码结构及修改
- 02：ODS层构建：连接代码及测试
- 03：ODS层构建：建库代码及测试
- 04：ODS层构建：建表代码及测试

01：ODS层构建：代码结构及修改

目标：了解整个自动化代码的项目结构及实现配置修改
路径
- step1：工程代码结构
- step2：代码模块功能
- step3：代码配置修改
实施
- 工程代码结构

代码模块功能
- auto_create_hive_table：用于实现ODS层与DWD层的建库建表的代码
  - cn.itcast
datatohive
- CHiveTableFromOracleTable.py：用于创建Hive数据库、以及获取Oracle表的信息创建Hive表等
  - CreateMetaCommon.py：定义了建表时固定的一些字符串数据，数据库名称、分层名称、文件类型属性等
  - CreateHiveTablePartition.py：用于手动申明ODS层表的分区元数据
  - LoadData2DWD.py：用于实现将ODS层的数据insert到DWD层表中
  - fileformat
  - AvroTableProperties.py：Avro文件格式对象，用于封装Avro建表时的字符串
  - OrcTableProperties.py：Orc文件格式对象，用于封装Orc建表时的字符串
  - OrcSnappyTableProperties.py：Orc文件格式加Snappy压缩的对象
  - TableProperties.py：用于获取表的属性的类
entity
- TableMeta.py：Oracle表的信息对象：用于将表的名称、列的信息、表的注释进行封装
ColumnMeta.py：Oracle列的信息对象：用于将列的名称、类型、注释进行封装
utils
```
- OracleHiveUtil.py：用于获取Oracle连接、Hive连接
```
- FileUtil.py：用于读写文件，获取所有Oracle表的名称
  - TableNameUtil.py：用于将全量表和增量表的名称放入不同的列表中
ConfigLoader.py：用于加载配置文件，获取配置文件信息

OracleMetaUtil.py：用于获取Oracle中表的信息：表名、字段名、类型、注释等

EntranceApp.py：程序运行入口，核心调度运行的程序

    # todo:1-获取Oracle、Hive连接，获取所有表名
    # todo:2-创建ODS层数据库
    # todo:3-创建ODS层数据表
    # todo:4-手动申明ODS层分区数据
    # todo:5-创建DWD层数据库以及数据表
    # todo:6-加载ODS层数据到DWD层

todo:7-关闭连接，释放资源

resource
- config.txt：Oracle、Hive、SparkSQL的地址、端口、用户名、密码配置文件
- config
  - common.py：用于获取日志的类
- settings.py：用于配置日志记录方式的类
log
- itcast.log：日志文件
- dw：用于存储每一层构建的核心配置文件等
  - 重点关注：dw.ods.meta_data.tablenames.txt：存储了整个ODS层的表的名称

代码配置修改

修改1：auto_create_hive_table.cn.itcast.EntranceApp.py

  # 51行：修改为你实际的项目路径对应的表名文件
tableList = FileUtil.readFileContent("D:\\PythonProject\\OneMake_Spark\\dw\\ods\\meta_data\\tablenames.txt")

修改2：auto_create_hive_table.cn.itcast.utils.ConfigLoader

# 10行：修改为实际的连接属性配置文件的地址
config.read('D:\\PythonProject\\OneMake_Spark\\auto_create_hive_table\\resources\\config.txt')

小结
- 了解整个自动化代码的项目结构及实现配置修改

02：ODS层构建：连接代码及测试

目标：阅读连接代码及实现连接代码测试
路径
- step1：连接代码讲解
- step2：连接代码测试
实施
- 为什么要获取连接？
  - Python连接Oracle：获取表的元数据
  - 表的信息：TableMeta
    - 表名
    - 表的注释
      - list:[列的信息]
  - 列的信息：ColumnMeta
    - 列名
    - 列的注释
      - 列的类型
    - 类型长度
      - 类型精度
- Python连接HiveServer或者Spark的ThriftServer：提交SQL语句
- 连接代码讲解
  - step1：怎么获取连接？
    - Oracle：安装Python操作Oracle库包：cx_Oracle
```
cx_Oracle.connect(ORACLE_USER, ORACLE_PASSWORD, dsn)
```
    - Hive/SparkSQL：安装Python操作Hive库包：PyHive
```
```
      hive.Connection(host=SPARK_HIVE_HOST, port=SPARK_HIVE_PORT, username=SPARK_HIVE_UNAME, auth='CUSTOM', password=SPARK_HIVE_PASSWORD)
```
```
      - step2：连接时需要哪些参数？
        
        Oracle：主机名、端口、用户名、密码、SID
        Hive：主机名、端口、用户名、密码
      - step3：如果有100个代码都需要构建Hive连接，怎么解决呢？
        
        将所有连接参数写入一个配置文件：resource/config.txt
        通过配置文件的工具类获取配置：ConfigLoader
      - step4：在ODS层建101张表，表名怎么动态获取呢？
        
        读取表名文件：将每张表的名称都存储在一个列表中
      - step5：ODS层的表分为全量表与增量表，怎么区分呢？
        
        通过对@符号的分割，将全量表和增量表的表名存储在不同的列表中
- 连接代码测试
  - 启动虚拟运行环境
  - 运行测试代码
    - 注释掉第2 ~ 第6阶段的内容
    - 取消测试代码的注释
    - 执行代码观察结果
小结
- 阅读连接代码及实现连接代码测试

03：ODS层构建：建库代码及测试

目标：阅读ODS建库代码及实现测试
路径
- step1：代码讲解
- step2：代码测试
实施
- 代码讲解
  - step1：ODS层的数据库名称叫什么？
```
one_make_ods
```
  - step2：如何使用PyHive创建数据库？
    - 第一步：先获取连接
    - 第二步：拼接SQL语句，从连接对象中获取一个游标
    - 第三步：使用游标执行SQL语句
    - 第四步：释放资源
- 代码测试
  - 注释掉第3 ~ 第6阶段的内容
  - 运行代码，查看结果
小结
- 阅读ODS建库代码及实现测试

04：ODS层构建：建表代码及测试

目标：阅读ODS建表代码及实现测试
路径
- step1：代码讲解
- step2：代码测试

实施

代码讲解

step1：表名怎么获取?

tableNameList【full_list,incr_list】
full_list：全量表名的列表
incr_list：增量表名的列表

step2：建表的语句是什么，哪些是动态变化的？

create external table 数据库名称.表名
comment '表的注释'
partitioned by
ROW FORMAT SERDE
  'org.apache.hadoop.hive.serde2.avro.AvroSerDe'
STORED AS INPUTFORMAT
  'org.apache.hadoop.hive.ql.io.avro.AvroContainerInputFormat'
OUTPUTFORMAT
  'org.apache.hadoop.hive.ql.io.avro.AvroContainerOutputFormat'
location '这张表在HDFS上的路径'
TBLPROPERTIES （'这张表的Schema文件在HDFS上的路径'）

表名
表的注释
表的HDFS地址
Schema文件的HDFS地址

step3：怎么获取表的注释？

从Oracle中获取：从系统表中获取某张表的信息和列的信息

select
       columnName, dataType, dataScale, dataPercision, columnComment, tableComment
from
(
    select
           column_name columnName,
           data_type dataType,
           DATA_SCALE dataScale,
           DATA_PRECISION dataPercision,
           TABLE_NAME
    from all_tab_cols where 'CISS_CSP_WORKORDER' = table_name) t1
    left join (
        select
               comments tableComment,TABLE_NAME
        from all_tab_comments WHERE 'CISS_CSP_WORKORDER' = TABLE_NAME) t2
        on t1.TABLE_NAME = t2.TABLE_NAME
    left join (
        select comments columnComment, COLUMN_NAME
        from all_col_comments WHERE TABLE_NAME='CISS_CSP_WORKORDER') t3
        on t1.columnName = t3.COLUMN_NAME;

step4：全量表与增量表有什么区别？
- 区别1：表名不一样
  - full_table_list
  - incr_table_list
- 区别2：路径不一样
  - /data /dw /ods /one_make /full /Oracle库名.表名
  - /data /dw /ods /one_make /incr /Oracle库名.表名
step5：如何实现自动化建表？
- 自动化创建全量表
  - 获取全量表名
  - 调用建表方法：数据库名称、表名、全量标记
  - 通过Oracle工具类获取表的信息【表的名称、表的注释、字段信息等】
  - 拼接建表语句
  - 执行SQL语句
- 自动化创建增量表
  - 获取增量表名
  - 调用建表方法：数据库名称、表名、增量标记
  - 通过Oracle工具类获取表的信息【表的名称、表的注释、字段信息等】
  - 拼接建表语句
  - 执行SQL语句