目录
1.采用SparkSQL使用max函数找到最大的日期然后转换成时间类型在变成字符串
前言
本题来源于全国职业技能大赛之大数据技术赛项电商赛题-离线数据处理-抽取
题目：
提示：以下是本篇文章正文内容，下面案例可供参考（使用Scala语言编写）
一、读题分析
涉及组件：MYSQL,HIVE,SCALA,SPARK
涉及知识点：
- Spark读取数据库数据
- DataFrameAPI的使用（重点）
- Spark写入数据库数据
- Hive数据库的基本操作
- 增量数据的概念（思考：与全量数据有什么区别？）
二、处理过程
与全量数据类似，唯一不同的点在于抽取增量的数据只是在全量数据中的一部分（形象来说）。个人认为，这样在实际应用中，抽取增量数据比抽取全量数据，更节省时间，带宽，硬件处理频率。总来说，抽取增量数据而不是全量数据的目的就是减少资源的浪费。
1.采用SparkSQL使用max函数找到最大的日期然后转换成时间类型在变成字符串
import org.apache.spark.sql.SparkSessionimport java.text.SimpleDateFormatimport java.util.{Calendar, Properties}object MysqlToHive { def main(args: Array[String]): Unit = { import org.apache.spark.sql.SaveMode import org.apache.spark.sql.functions.lit val spark =SparkSession.builder().appName("mysqltoHive").master("spark://bigdata1:7077").enableHiveSupport().getOrCreate() // 读取mysql的配置 val jdbcurl = "jdbc:mysql://bigdata1:3306/db" val tablename = "table1" val properties = new Properties() properties.setProperty("user", "root") properties.setProperty("password", "123456") properties.setProperty("driver", "com.mysql.jdbc.Driver") // 读取mysql数据创建dataframe val mysqlDF = spark.read.jdbc(jdbcurl, tablename, properties) mysqlDF.createOrReplaceTempView("mysqldata") // 读取hive数据ods库中最大的时间 spark.sql("use ods") val hiveDF = spark.read.table("ods.table1") hiveDF.createOrReplaceTempView("hivedata") // 获取最大值 val maxValue = spark.sql("select max(modified_time) from hivedata").head().getTimestamp(0).toString println("Hive最大的时间为:" + maxModifiedTime) // 3. 使用Spark SQL查询获取customer_inf表中modified_time的最大值。 // 4. 使用head()方法获取结果集中的第一行数据。 // 5. 使用getTimestamp(0)方法获取第一列数据的Timestamp类型值。 // 6. 使用toString()方法将Timestamp类型值转换为字符串类型。 // 7. 打印最大修改时间的字符串值。 // 找到增量数据 val resultDF = spark.sql(s"select * from mysqldata where momdified_time > '$maxValue'") // 取得昨天的日期 // 法1： val sdf = new SimpleDateFormat("yyyyMMdd") val str = sdf.format(Calendar.getInstance().getTime.getTime - 24 * 60 * 60 * 1000) // 法2： val str = new SimpleDateFormat("yyyyMMdd").format(Calendar.getInstance().getTime.getTime - 24 * 60 * 60 * 1000) val reDF = resultDF.withColumn("etl_date", lit(str)) reDF.write.mode(SaveMode.Append).partitionBy("etl_date").saveAsTable("ods.table1") }}2.这里提供除了SQL方法外的另一种过滤不满足条件的方法
// 这里可以写死来模拟增量数据 // val givenTime = "2022-08-23 00:00:00" val maxValue = spark.sql("select max(modified_time) from hivedata").head().getTimestamp(0).toString // gt获取比givenTime时间大的数据 // lt小于 val dataf = df.filter(col("modified_time").lt(max)).toDF()三、重难点分析
- 增量数据与全量数据的不同
- SparkSQL函数的使用
- 解决增量数据的方法
总结
什么是全量数据、增量数据？
全量数据和增量数据是在数据库系统迁移时的概念。
当前需要迁移的数据库系统的全部数据。
在数据库系统迁移过程中，对比原数据，新产生的数据即为增量数据。
原创作品如需引用请标明出处
来源地址：https://blog.csdn.net/qq_36920766/article/details/130386324
