数据仓库之拉链表(hive实现)

预备知识：

了解hive窗口函数：LAG 和 LEAD

数据准备：

cookie1,2015-04-10 10:00:02,url2

cookie1,2015-04-10 10:00:00,url1

cookie1,2015-04-10 10:03:04,1url3

cookie1,2015-04-10 10:50:05,url6

cookie1,2015-04-10 11:00:00,url7

cookie1,2015-04-10 10:10:00,url4

cookie1,2015-04-10 10:50:01,url5

cookie2,2015-04-10 10:00:02,url22

cookie2,2015-04-10 10:00:00,url11

cookie2,2015-04-10 10:03:04,1url33

cookie2,2015-04-10 10:50:05,url66

cookie2,2015-04-10 11:00:00,url77

cookie2,2015-04-10 10:10:00,url44

cookie2,2015-04-10 10:50:01,url55


CREATE EXTERNAL TABLE lxw1234 (

cookieid string,

createtime string,  --页面访问时间

url STRING      --被访问页面

) ROW FORMAT DELIMITED

FIELDS TERMINATED BY ','

stored as textfile location '/tmp/lxw11/';


hive> select * from lxw1234;

OK

cookie1 2015-04-10 10:00:02    url2

cookie1 2015-04-10 10:00:00    url1

cookie1 2015-04-10 10:03:04    1url3

cookie1 2015-04-10 10:50:05    url6

cookie1 2015-04-10 11:00:00    url7

cookie1 2015-04-10 10:10:00    url4

cookie1 2015-04-10 10:50:01    url5

cookie2 2015-04-10 10:00:02    url22

cookie2 2015-04-10 10:00:00    url11

cookie2 2015-04-10 10:03:04    1url33

cookie2 2015-04-10 10:50:05    url66

cookie2 2015-04-10 11:00:00    url77

cookie2 2015-04-10 10:10:00    url44

cookie2 2015-04-10 10:50:01    url55

LAG

LAG(col,n,DEFAULT) 用于统计窗口内往上第n行值

第一个参数为列名，第二个参数为往上第n行（可选，默认为1），第三个参数为默认值（当往上第n行为NULL时候，取默认值，如不指定，则为NULL）

SELECT cookieid,

createtime,

url,

ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY createtime) AS rn,

LAG(createtime,1,'1970-01-01 00:00:00') OVER(PARTITION BY cookieid ORDER BY createtime) AS last_1_time,

LAG(createtime,2) OVER(PARTITION BY cookieid ORDER BY createtime) AS last_2_time

FROM lxw1234;

cookieid createtime            url    rn      last_1_time            last_2_time

-------------------------------------------------------------------------------------------

cookie1 2015-04-10 10:00:00    url1    1      1970-01-01 00:00:00    NULL

cookie1 2015-04-10 10:00:02    url2    2      2015-04-10 10:00:00    NULL

cookie1 2015-04-10 10:03:04    1url3  3      2015-04-10 10:00:02    2015-04-10 10:00:00

cookie1 2015-04-10 10:10:00    url4    4      2015-04-10 10:03:04    2015-04-10 10:00:02

cookie1 2015-04-10 10:50:01    url5    5      2015-04-10 10:10:00    2015-04-10 10:03:04

cookie1 2015-04-10 10:50:05    url6    6      2015-04-10 10:50:01    2015-04-10 10:10:00

cookie1 2015-04-10 11:00:00    url7    7      2015-04-10 10:50:05    2015-04-10 10:50:01

cookie2 2015-04-10 10:00:00    url11  1      1970-01-01 00:00:00    NULL

cookie2 2015-04-10 10:00:02    url22  2      2015-04-10 10:00:00    NULL

cookie2 2015-04-10 10:03:04    1url33  3      2015-04-10 10:00:02    2015-04-10 10:00:00

cookie2 2015-04-10 10:10:00    url44  4      2015-04-10 10:03:04    2015-04-10 10:00:02

cookie2 2015-04-10 10:50:01    url55  5      2015-04-10 10:10:00    2015-04-10 10:03:04

cookie2 2015-04-10 10:50:05    url66  6      2015-04-10 10:50:01    2015-04-10 10:10:00

cookie2 2015-04-10 11:00:00    url77  7      2015-04-10 10:50:05    2015-04-10 10:50:01

last_1_time: 指定了往上第1行的值，default为'1970-01-01 00:00:00' 

            cookie1第一行，往上1行为NULL,因此取默认值 1970-01-01 00:00:00

            cookie1第三行，往上1行值为第二行值，2015-04-10 10:00:02

            cookie1第六行，往上1行值为第五行值，2015-04-10 10:50:01

last_2_time: 指定了往上第2行的值，为指定默认值

cookie1第一行，往上2行为NULL

cookie1第二行，往上2行为NULL

cookie1第四行，往上2行为第二行值，2015-04-10 10:00:02

cookie1第七行，往上2行为第五行值，2015-04-10 10:50:01


LEAD

与LAG相反

LEAD(col,n,DEFAULT) 用于统计窗口内往下第n行值

第一个参数为列名，第二个参数为往下第n行（可选，默认为1），第三个参数为默认值（当往下第n行为NULL时候，取默认值，如不指定，则为NULL）

SELECT cookieid,

createtime,

url,

ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY createtime) AS rn,

LEAD(createtime,1,'1970-01-01 00:00:00') OVER(PARTITION BY cookieid ORDER BY createtime) AS next_1_time,

LEAD(createtime,2) OVER(PARTITION BY cookieid ORDER BY createtime) AS next_2_time

FROM lxw1234;

cookieid createtime            url    rn      next_1_time            next_2_time

-------------------------------------------------------------------------------------------

cookie1 2015-04-10 10:00:00    url1    1      2015-04-10 10:00:02    2015-04-10 10:03:04

cookie1 2015-04-10 10:00:02    url2    2      2015-04-10 10:03:04    2015-04-10 10:10:00

cookie1 2015-04-10 10:03:04    1url3  3      2015-04-10 10:10:00    2015-04-10 10:50:01

cookie1 2015-04-10 10:10:00    url4    4      2015-04-10 10:50:01    2015-04-10 10:50:05

cookie1 2015-04-10 10:50:01    url5    5      2015-04-10 10:50:05    2015-04-10 11:00:00

cookie1 2015-04-10 10:50:05    url6    6      2015-04-10 11:00:00    NULL

cookie1 2015-04-10 11:00:00    url7    7      1970-01-01 00:00:00    NULL

cookie2 2015-04-10 10:00:00    url11  1      2015-04-10 10:00:02    2015-04-10 10:03:04

cookie2 2015-04-10 10:00:02    url22  2      2015-04-10 10:03:04    2015-04-10 10:10:00

cookie2 2015-04-10 10:03:04    1url33  3      2015-04-10 10:10:00    2015-04-10 10:50:01

cookie2 2015-04-10 10:10:00    url44  4      2015-04-10 10:50:01    2015-04-10 10:50:05

cookie2 2015-04-10 10:50:01    url55  5      2015-04-10 10:50:05    2015-04-10 11:00:00

cookie2 2015-04-10 10:50:05    url66  6      2015-04-10 11:00:00    NULL

cookie2 2015-04-10 11:00:00    url77  7      1970-01-01 00:00:00    NULL

--逻辑与LAG一样，只不过LAG是往上，LEAD是往下。


进入主题，hive实现拉链表示例：

-----目标表

create external table existing_time_series_table

(

primary_key string, ---业务主键（字段个数不限）

effective_dt bigint, ----开始日期

expired_dt bigint,  ----失效日期

event_value string----业务员度量值

  )

  stored as parquet

  location 

   'hdfs://nameservice/it/ods/erp/existing_time_series_table';


 ----增量结果集   

create external table new_time_series_table

(

primary_key string,---业务主键（字段个数不限）

effective_dt bigint, ----开始日期

event_value string----业务员度量值

  )

  stored as parquet

  location 

   'hdfs://nameservice/it/ods/erp/new_time_series_table';


-----逻辑实现：lead函数实现了取下个日期作为本记录的失效日期

insert overwrite table existing_time_series_table

 select primary_key,

         effective_dt,

 case

           when lead(effective_dt, 1, null)

            over(partition by primary_key order by effective_dt) is null then

            null

           else

            lead(effective_dt, 1, null)

            over(partition by primary_key order by effective_dt)

         end as expired_dt,

         event_value

    from (select primary_key, effective_dt, event_value

            from existing_time_series_table

           where expired_dt is null

          union all

          select primary_key, effective_dt, event_value

            from new_time_series_table) sub_1

  union all   

-----历史已经失效的记录

  select primary_key, effective_dt, expired_dt, event_value

    from existing_time_series_table

   where expired_dt is not null

©著作权归作者所有,转载或内容合作请联系作者
  • 人面猴
    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 159,716评论 4赞 364
  • 死咒
    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 67,558评论 1赞 294
  • 救了他两次的神仙让他今天三更去死
    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 109,431评论 0赞 244
  • 道士缉凶录：失踪的卖姜人
    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 44,127评论 0赞 209
  • 港岛之恋（遗憾婚礼）
    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 52,511评论 3赞 287
  • 恶毒庶女顶嫁案：这布局不是一般人想出来的
    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 40,692评论 1赞 222
  • 城市分裂传说
    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 31,915评论 2赞 313
  • 双鸳鸯连环套：你想象不到人心有多黑
    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 30,664评论 0赞 202
  • 万荣杀人案实录
    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 34,412评论 1赞 246
  • 护林员之死
    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 30,616评论 2赞 245
  • 白月光启示录
    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 32,105评论 1赞 260
  • 活死人
    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 28,424评论 2赞 254
  • 日本核电站爆炸内幕
    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 33,098评论 3赞 238
  • 男人毒药：我在死后第九天来索命
    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 26,096评论 0赞 8
  • 一桩弑父案，背后竟有这般阴谋
    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 26,869评论 0赞 197
  • 情欲美人皮
    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 35,748评论 2赞 276
  • 代替公主和亲
    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 35,641评论 2赞 271

推荐阅读更多精彩内容