PySpark操作Hive的常用语句函数封装包

目的:将hive常用的查看函数进行封装。

#!/usr/bin/env python
# _*_ coding:utf-8 _*_

# Standard libraries
import sys
import os
import time

# PyData stack
import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
#matplotlib.use('Agg')

# Spark Libraries
from pyspark import SparkContext, SparkConf

# Spark sql Libraries
from pyspark.sql import HiveContext
from pyspark.sql import SQLContext
from pyspark.sql import Row
from pyspark.sql.functions import *
from pyspark.sql.types import *
import pyspark.sql as sprksql

# Spark ml Libraries
from pyspark.ml.classification import LogisticRegression, LogisticRegressionModel
from pyspark.ml.tuning import CrossValidator, ParamGridBuilder
from pyspark.ml.evaluation import BinaryClassificationEvaluator
from pyspark.ml.feature import StringIndexer, VectorIndexer, OneHotEncoder, VectorAssembler
from pyspark.ml import Pipeline

# from utils import *
# from utils.plotting import *

# Magic!
from IPython.core.display import display, HTML, Markdown
display(HTML("<style>.container { width:90% !important; }</style>"))

# 设置jupyter中显示的格式
pd.options.display.max_columns = 1000
pd.options.display.max_rows = 1000
# 等价于pd.set_option('display.max_columns', 100)

hiveContext = HiveContext(sc)

#--*--*----*--*----*--*----*--*----*--*----*--*----*--*----*--*----*--*----*--*----*--*--#

"""利用Python查看单个数据库中的所有表"""
def scanTable(db_name):
    sql = "use %s"%db_name
    hiveContext.sql(sql)
    tables = hiveContext.sql("show tables").collect()
    for i in xrange(len(tables)):
        print tables[i][0]
# scanTable("source_data")

"""查看单个表中的数据示例"""
# 参数说明:number代表查看几条数据
def scanData(db_name, table_name, number):
    sql_scan = "select * from %s.%s limit %d"%(db_name, table_name, number)
    return hiveContext.sql(sql_scan).toPandas().T
# scanData("source_data", "users_basic", 3)
# hiveContext.sql("select * from user_profile_project.user_pro_address_auto limit 2").toPandas().T


"""计算单个表中所有字段的记录数"""
def countColumnsNums(db_name,table_name):
    print u"当前数据库为%s"%db_name
    sql = "SELECT COUNT(*) FROM %s.%s" %(db_name, table_name) 
    # globals()[table_name + '_number'] = hiveContext.sql(sql)
    print u"当前表名称为%s,总记录数为:"%table_name, hiveContext.sql(sql).collect()[0][0]

    sql1 = """SHOW COLUMNS FROM %s.%s"""%(db_name, table_name)
    col_name = hiveContext.sql(sql1).collect()
    
    print u"开始计算每一列的记录数"
    for i in xrange(len(col_name)):
        sql2 = "SELECT COUNT(%s) FROM %s.%s" %(col_name[i][0], db_name, table_name)
        print col_name[i][0], hiveContext.sql(sql2).collect()[0][0], '''''''',\
        u"%s表里边一共包含%s个column,已经计算完第%s个column, 列名称为%s" %(table_name, len(col_name), i+1, col_name[i][0])
    print u"计算结束!"


"""计算所有表中的记录数"""
def hiveCountTables(db_name):
    sql = "use %s"%db_name
    hiveContext.sql(sql)
    showtables = hiveContext.sql("show tables")
    table_name = showtables.collect()
    #print u"表名称"
    #print table_name
    #print '*-' * 40 + '*'
    
    print u"开始统计"
    if type(table_name) == list:
        for i in xrange(len(table_name)):
            # sql = str("SELECT * FROM tb_source_data.%s" %table_name[i][0])
            sql = "SELECT count(*) FROM source_data.%s" %table_name[i][0]
            #print sql
            # locals()[str(table_name[i][0])] = hiveContext.sql(sql).toPandas()
            # globals()[str(table_name[i][0])] = hiveContext.sql(sql).toPandas() 
            globals()[table_name[i][0] + '_number'] = hiveContext.sql(sql)
            #print table_name[i][0]
            print table_name[i][0] + '_number',hiveContext.sql(sql).collect()[0][0]
            #print u"该database里边一共包含%s个table,正在计算第%s个table, 表名称为%s" %(len(table_name), i+1, table_name[i][0])
            #print '*-' * 40 + '*'
        print u"计算结束!"
    else:
        print "showtables is not a list"
# hiveCountTables("source_data")



"""计算所有表的总记录数和所有字段的记录数"""
def hiveCountTablesColumns(db_name):
    sql = "use %s"%db_name
    hiveContext.sql(sql)
    showtables = hiveContext.sql("show tables")
    table_name = showtables.collect()
    #print u"表名称"
    #print table_name
    #print '*-' * 40 + '*'
    
    print u"开始统计"
    if type(table_name) == list:
        for i in xrange(len(table_name)):
            sql = "SELECT COUNT(*) FROM source_data.%s" %table_name[i][0] 
            globals()[table_name[i][0] + '_number'] = hiveContext.sql(sql)
            print table_name[i][0] + '_number',hiveContext.sql(sql).collect()[0][0]
            
            sql1 = "SHOW COLUMNS FROM %s" %table_name[i][0]
            col_name = hiveContext.sql(sql1).collect()
            
            for j in xrange(len(col_name)):
                sql2 = "SELECT COUNT(%s) FROM %s" %(col_name[j][0],table_name[i][0])
                print col_name[j][0], hiveContext.sql(sql2).collect()[0][0]    
            print u"该database里边一共包含%s个table,已经计算完第%s个table, 表名称为%s" %(len(table_name), i+1, table_name[i][0])
            print '*-' * 40 + '*'
        print u"计算结束!"
    else:
        print "showtables is not a list"
        
# hiveCountTablesColumns("source_data")

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,290评论 4 363
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,399评论 1 294
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,021评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,034评论 0 207
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,412评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,651评论 1 219
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,902评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,605评论 0 199
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,339评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,586评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,076评论 1 261
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,400评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,060评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,083评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,851评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,685评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,595评论 2 270

推荐阅读更多精彩内容