这里写目录标题
拉链表
作用:用来解决历史变更数据是否维护的情况;
用来记录历史数据,记录一个事物从开始一直到当前状态的所有变化的信息。
拉链表有start_time和end_time字段来记录每条数据的生命周期;
有效数据:即指的是数据的end_time=‘9999-12-31’
过期数据:即指的是数据的end_time不等于‘9999-12-31’
初始条件:
ODS层 原始拉链表:
临时表:包含新增和更新的数据
具体操作:
准备工作:
- 【在hive的ODS层】构建临时表
update
,用于存新增、更新数据 , - 将MySQL中新增、更新的数据导入临时表
update
(sqoop); - 【在hive的ODS层】构建最终结果临时表
tmp
,用于存储最终结果, tmp会覆盖原始拉链表!
第一步:让有效数据过期(针对有更新的数据)
目的是将需要更新的数据置为过期;
而已经过期的数据则不管;
用【ODS层】的 原拉链表 LEFT JOIN 临时表update:
当某id原始数据有效(9999-12-31) 且 临时表中有数据! 则要改编end_time !
即只需要更新的数据处理,让数据过期;
第二步:union all 拉链表和临时表update(加上新增和更新的数据),并导入到tmp表;
使用union all 进行上下合并(union会去重);
+
insert overwrite tmp
select * from (以上sql) ;
最终结果:
第三步:将结果临时表temp 覆盖原始拉链表
在更新拉链表时,可能会失败,而在sql中使用到了原始拉链表,如果再覆盖原始拉链表,数据容易出问题;
所以对生成的结果存在最终临时表tmp中,然后再覆盖到原表;
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
文章由极客之音整理,本文链接:https://www.bmabk.com/index.php/post/89187.html