众所周知 hive 的时间处理异常繁琐且在一些涉及日期的统计场景中会写较长的 sql,例如:周累计、周环比等;本文将使用维表的形式降低时间处理的复杂度,提前计算好标准时间字符串未来可能需要转换的形式。

一、表设计

结合业务场景常用的时间字符串格式为 yyyyMMdd,因此我们将这种格式字段作为维表的关联键,用来派生剩下的字段,例如 yyyy-MM-dd、yyyy/MM/dd、yyyy、MM、dd 以及令人头疼的周(w),因此当前版本的时间维表 DDL 如下

create table dim_xxx.dim_dateformat

(

dt string comment '日期,yyyymmdd',

dt_format1 string comment '日期,yyyy-mm-dd',

dt_format2 string comment '日期,yyyy/mm/dd',

dt_year string comment '所在年份',

dt_month string comment '所在月份',

dt_day string comment '所在日',

dt_week_str string comment '星期(英文)',

dt_week_num string comment '星期(数字)',

dt_abs_week bigint comment '绝对周,从 19700101 为第一周',

dt_rel_week string comment '相对周,从本年的第一个周一为第一周'

) comment '日期维表'

stored as parquet;

需要解释一下 dt_abs_week 和 dt_rel_week 字段,该字段用于提升周累计、周环比的计算效率。dt_abs_week 绝对周是约定 19700101 为第一周,后续每遇到一个周一加一;dt_rel_week 主要用来对外展示,例如:

截止昨日周累计:获取通过 dt 获取昨日所在的 dt_abs_week 或 dt_rel_week,从而可以当前周的 dt 范围,根据 dt 关联业务表即可周环比:获取通过 dt 获取昨日所在的 dt_abs_week - 1 即可获取环比的所在周,再结合 dt_week_num 可以灵活控制环比整周或环比上周的对应星期

二、填充数据

这里使用 python 生成 csv 并 load 进去即可(这种方式最简单,对比过使用 sql 来实现),因为生产环境 hive 表的存储格式往往不是 textfile,例如博主所在公司所用的存储格式就是 parquet,遵循一切从简的原则,创建同 schema 的 textfile 表(一切从简,注释都不写)

create table dim_xxx.dim_dateformat_load

(

dt string,

dt_format1 string,

dt_format2 string,

dt_year string,

dt_month string,

dt_day string,

dt_week_str string,

dt_week_num string,

dt_abs_week string,

dt_rel_week string

)

row format delimited fields terminated by ','

stored as textfile;

下面的重点是 python 如何实现,直接上代码

import datetime

import csv

# 定义日期范围

start_date = datetime.date(1970, 1, 1)

end_date = datetime.date(2500, 12, 31)

with open(file='dim_dateformat.csv', mode='w', encoding='utf8', newline='') as f:

writer = csv.writer(f)

# 循环遍历

current_date = start_date

# 初始绝对周

abs_week_num = 1

# 初始相对周

rel_week_num = 1

rel_year = 1970

display_year_of_week = '1970-1'

while current_date <= end_date:

# 各种时间格式

format1 = current_date.strftime("%Y%m%d")

format2 = current_date.strftime("%Y-%m-%d")

format3 = current_date.strftime("%Y/%m/%d")

# 年、月、日、星期

year = current_date.year

month = current_date.strftime("%m")

day = current_date.strftime("%d")

day_of_week1 = current_date.strftime("%A")

day_of_week2 = current_date.strftime("%w")

day_of_week2 = day_of_week2 if day_of_week2 != '0' else '7'

if day_of_week2 == '1':

abs_week_num += 1

# 计算相对周

rel_week_num += 1

if rel_year != year:

rel_year = year

rel_week_num = 1

display_year_of_week = str(rel_year) + '-' + str(rel_week_num)

# 写入 csv

writer.writerow([format1, format2, format3, year, month, day, day_of_week1, day_of_week2, abs_week_num,

display_year_of_week])

# ++

current_date += datetime.timedelta(days=1)

解释一下相对周和绝对周的计算方式即可

初始化 abs_week_num、rel_week_num 为 1,rel_year 为 1970如果是周一,abs_week_num 加 1;rel_week_num 加 1 转第 3 步。否则转第 4 步如果年份不等于 rel_year 则将当前年份赋值给 rel_year 并重置 rel_week_num 为 1写入文件

对于绝对周初始为 1 后逢周一进一即可,对于相对周,对于周的部分也是逢周一进一,若跨年则年份加一后重置周的计数

之后将得到的 dim_dateformat.csv 文件 load 进 dim_dateformat_load 并执行下面 sql

insert overwrite table dim_dateformat

select * from dim_dateformat_load

结果如下

接下来就可以拿着这张维表尽情玩耍吧

精彩文章

评论可见,请评论后查看内容,谢谢!!!
 您阅读本篇文章共花了: