文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

Python读取Hive数据库代码怎么写

2023-07-05 08:02

关注

今天小编给大家分享一下Python读取Hive数据库代码怎么写的相关知识点,内容详细,逻辑清晰,相信大部分人都还太了解这方面的知识,所以分享这篇文章给大家参考一下,希望大家阅读完这篇文章后有所收获,下面我们一起来了解一下吧。

实际业务读取hive数据库的代码

import loggingimport pandas as pdfrom impala.dbapi import connectimport sqlalchemyfrom sqlalchemy.orm import sessionmakerimport osimport timeimport osimport datetimefrom dateutil.relativedelta import relativedeltafrom typing import Dict, Listimport loggingimport threadingimport pandas as pdimport pickleclass HiveHelper(object):    def __init__(        self,        host='10.2.32.22',        port=21051,        database='ur_ai_dw',        auth_mechanism='LDAP',        user='urbi',        password='Ur#730xd',        logger:logging.Logger=None        ):        self.host = host        self.port = port        self.database = database        self.auth_mechanism = auth_mechanism        self.user = user        self.password = password        self.logger = logger        self.impala_conn = None        self.conn = None        self.cursor = None        self.engine = None        self.session = None    def create_table_code(self, file_name):        '''创建表类代码'''        os.system(f'sqlacodegen {self.connection_str} > {file_name}')        return self.conn    def get_conn(self):        '''创建连接或获取连接'''        if self.conn is None:            engine = self.get_engine()            self.conn = engine.connect()        return self.conn    def get_impala_conn(self):        '''创建连接或获取连接'''        if self.impala_conn is None:            self.impala_conn = connect(                host=self.host,                port=self.port,                database=self.database,                auth_mechanism=self.auth_mechanism,                user=self.user,                password=self.password                )        return self.impala_conn    def get_engine(self):        '''创建连接或获取连接'''        if self.engine is None:            self.engine = sqlalchemy.create_engine('impala://', creator=self.get_impala_conn)        return self.engine    def get_cursor(self):        '''创建连接或获取连接'''        if self.cursor is None:            self.cursor = self.conn.cursor()        return self.cursor    def get_session(self) -> sessionmaker:        '''创建连接或获取连接'''        if self.session is None:            engine = self.get_engine()            Session = sessionmaker(bind=engine)            self.session = Session()        return self.session    def close_conn(self):        '''关闭连接'''        if self.conn is not None:            self.conn.close()            self.conn = None        self.dispose_engine()        self.close_impala_conn()    def close_impala_conn(self):        '''关闭impala连接'''        if self.impala_conn is not None:            self.impala_conn.close()            self.impala_conn = None    def close_session(self):        '''关闭连接'''        if self.session is not None:            self.session.close()            self.session = None        self.dispose_engine()    def dispose_engine(self):        '''释放engine'''        if self.engine is not None:            # self.engine.dispose(close=False)            self.engine.dispose()            self.engine = None    def close_cursor(self):        '''关闭cursor'''        if self.cursor is not None:            self.cursor.close()            self.cursor = None    def get_data(self, sql, auto_close=True) -> pd.DataFrame:        '''查询数据'''        conn = self.get_conn()        data = None        try:            # 异常重试3次            for i in range(3):                try:                    data = pd.read_sql(sql, conn)                    break                except Exception as ex:                    if i == 2:                        raise ex # 往外抛出异常                    time.sleep(60) # 一分钟后重试        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            if auto_close:                self.close_conn()        return datapassclass VarsHelper():    def __init__(self, save_dir, auto_save=True):        self.save_dir = save_dir        self.auto_save = auto_save        self.values = {}        if not os.path.exists(os.path.dirname(self.save_dir)):            os.makedirs(os.path.dirname(self.save_dir))        if os.path.exists(self.save_dir):            with open(self.save_dir, 'rb') as f:                self.values = pickle.load(f)                f.close()    def set_value(self, key, value):        self.values[key] = value        if self.auto_save:            self.save_file()    def get_value(self, key):        return self.values[key]    def has_key(self, key):        return key in self.values.keys()    def save_file(self):        with open(self.save_dir, 'wb') as f:            pickle.dump(self.values, f)            f.close()passclass GlobalShareArgs():    args = {        "debug": False    }    def get_args():        return GlobalShareArgs.args    def set_args(args):        GlobalShareArgs.args = args    def set_args_value(key, value):        GlobalShareArgs.args[key] = value    def get_args_value(key, default_value=None):        return GlobalShareArgs.args.get(key, default_value)    def contain_key(key):        return key in GlobalShareArgs.args.keys()    def update(args):        GlobalShareArgs.args.update(args)passclass ShareArgs():    args = {        "labels_dir":"./hjx/shop_group/month_w_amt/data/labels", # 标签目录        "labels_output_dir":"./hjx/shop_group/month_w_amt/data/labels_output", # 聚类导出标签目录        "common_datas_dir":"./hjx/data", # 共用数据目录。ur_bi_dw的公共        "only_predict": False, # 只识别,不训练        "delete_model": True, # 先删除模型,仅在训练时使用        "export_excel": False, # 导出excel        "classes": 12, # 聚类数        "batch_size": 16,        "hidden_size": 32,        "max_nrof_epochs": 100,        "learning_rate": 0.0005,        "loss_type": "categorical_crossentropy",        "avg_model_num": 10,        "steps_per_epoch": 4.0, # 4.0        "lr_callback_patience": 4,         "lr_callback_cooldown": 1,        "early_stopping_callback_patience": 6,        "get_data": True,    }    def get_args():        return ShareArgs.args    def set_args(args):        ShareArgs.args = args    def set_args_value(key, value):        ShareArgs.args[key] = value    def get_args_value(key, default_value=None):        return ShareArgs.args.get(key, default_value)    def contain_key(key):        return key in ShareArgs.args.keys()    def update(args):        ShareArgs.args.update(args)passclass UrBiGetDatasBase():    # 线程锁列表,同保存路径共用锁    lock_dict:Dict[str, threading.Lock] = {}    # 时间列表,用于判断是否超时    time_dict:Dict[str, datetime.datetime] = {}    # 用于记录是否需要更新超时时间    get_data_timeout_dict:Dict[str, bool] = {}    def __init__(        self,        host='10.2.32.22',        port=21051,        database='ur_ai_dw',        auth_mechanism='LDAP',        user='urbi',        password='Ur#730xd',        save_dir=None,        logger:logging.Logger=None,        ):        self.save_dir = save_dir        self.logger = logger        self.db_helper = HiveHelper(            host=host,            port=port,            database=database,            auth_mechanism=auth_mechanism,            user=user,            password=password,            logger=logger            )        # 创建子目录        if self.save_dir is not None and not os.path.exists(self.save_dir):            os.makedirs(self.save_dir)        self.vars_helper = None        if GlobalShareArgs.get_args_value('debug'):            self.vars_helper = VarsHelper('./hjx/data/vars/UrBiGetDatas')     def close(self):        '''关闭连接'''        self.db_helper.close_conn()    def get_last_time(self, key_name) -> bool:        '''获取是否超时'''        # 转静态路径,确保唯一性        key_name = os.path.abspath(key_name)        if self.vars_helper is not None and self.vars_helper.has_key('UrBiGetDatasBase.time_list'):            UrBiGetDatasBase.time_dict = self.vars_helper.get_value('UrBiGetDatasBase.time_list')        timeout = 12 # 12小时        if GlobalShareArgs.get_args_value('debug'):            timeout = 24 # 24小时        get_data_timeout = False        if key_name not in UrBiGetDatasBase.time_dict.keys() or (datetime.datetime.today() - UrBiGetDatasBase.time_dict[key_name]).total_seconds()>(timeout*60*60):            self.logger.info('超时%d小时,重新查数据:%s', timeout, key_name)            # UrBiGetDatasBase.time_list[key_name] = datetime.datetime.today()            get_data_timeout = True        else:            self.logger.info('未超时%d小时,跳过查数据:%s', timeout, key_name)        # if self.vars_helper is not None :        #     self.vars_helper.set_value('UrBiGetDatasBase.time_list', UrBiGetDatasBase.time_list)        UrBiGetDatasBase.get_data_timeout_dict[key_name] = get_data_timeout        return get_data_timeout    def save_last_time(self, key_name):        '''更新状态超时'''        # 转静态路径,确保唯一性        key_name = os.path.abspath(key_name)        if UrBiGetDatasBase.get_data_timeout_dict[key_name]:            UrBiGetDatasBase.time_dict[key_name] = datetime.datetime.today()        if self.vars_helper is not None :            UrBiGetDatasBase.time_dict[key_name] = datetime.datetime.today()            self.vars_helper.set_value('UrBiGetDatasBase.time_list', UrBiGetDatasBase.time_dict)    def get_lock(self, key_name) -> threading.Lock:        '''获取锁'''        # 转静态路径,确保唯一性        key_name = os.path.abspath(key_name)        if key_name not in UrBiGetDatasBase.lock_dict.keys():            UrBiGetDatasBase.lock_dict[key_name] = threading.Lock()        return UrBiGetDatasBase.lock_dict[key_name]    def get_data_of_date(        self,        save_dir,        sql,        sort_columns:List[str],        del_index_list=[-1], # 删除最后下标        start_date = datetime.datetime(2017, 1, 1), # 开始时间        offset = relativedelta(months=3), # 时间间隔        date_format_fun = lambda d: '%04d%02d01' % (d.year, d.month), # 查询语句中替代时间参数的格式化        filename_format_fun = lambda d: '%04d%02d.csv' % (d.year, d.month), # 查询语句中替代时间参数的格式化        stop_date = '20700101', # 超过时间则停止        data_format_fun = None, # 格式化数据        ):        '''分时间增量读取数据'''        # 创建文件夹        if not os.path.exists(save_dir):            os.makedirs(save_dir)        else:            #删除最后一个文件            file_list = os.listdir(save_dir)            if len(file_list)>0:                file_list.sort()                for del_index in del_index_list:                    os.remove(os.path.join(save_dir,file_list[del_index]))                    print('删除最后一个文件:', file_list[del_index])        select_index = -1        # start_date = datetime.datetime(2017, 1, 1)        while True:            end_date = start_date + offset            start_date_str = date_format_fun(start_date)            end_date_str = date_format_fun(end_date)            self.logger.info('date: %s-%s', start_date_str, end_date_str)            file_path = os.path.join(save_dir, filename_format_fun(start_date))            # self.logger.info('file_path: %s', file_path)            if not os.path.exists(file_path):                data:pd.DataFrame = self.db_helper.get_data(sql % (start_date_str, end_date_str))                if data is None:                    break                self.logger.info('data: %d', len(data))                # self.logger.info('data: %d', data.columns)                if len(data)>0:                    select_index+=1                    if data_format_fun is not None:                        data = data_format_fun(data)                    # 排序                    data = data.sort_values(sort_columns)                    data.to_csv(file_path)                elif select_index!=-1:                    break                elif stop_date < start_date_str:                    raise Exception("读取数据异常,时间超出最大值!")            start_date = end_datepassclass UrBiGetDatas(UrBiGetDatasBase):    def __init__(        self,        host='10.2.32.22',        port=21051,        database='ur_ai_dw',        auth_mechanism='LDAP',        user='urbi',        password='Ur#730xd',        save_dir='./hjx/data/ur_bi_dw_data',        logger:logging.Logger=None        ):        self.save_dir = save_dir        self.logger = logger        super().__init__(            host=host,            port=port,            database=database,            auth_mechanism=auth_mechanism,            user=user,            password=password,            save_dir=save_dir,            logger=logger            )    def get_dim_date(self):        '''日期数据'''        file_path = os.path.join(self.save_dir,'ur_bi_dw.dim_date.csv')        now_lock = self.get_lock(file_path)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(file_path):                return            sql = 'SELECT * FROM ur_bi_dw.dim_date'            data:pd.DataFrame = self.db_helper.get_data(sql)            columns = list(data.columns)            columns = {c:'dim_date.'+c for c in columns}            data = data.rename(columns=columns)            data = data.sort_values(['dim_date.date_key'])            data.to_csv(file_path)            # 更新超时时间            self.save_last_time(file_path)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁    def get_dim_shop(self):        '''店铺数据'''        file_path = os.path.join(self.save_dir,'ur_bi_dw.dim_shop.csv')        now_lock = self.get_lock(file_path)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(file_path):                return            sql = 'SELECT * FROM ur_bi_dw.dim_shop'            data:pd.DataFrame = self.db_helper.get_data(sql)            columns = list(data.columns)            columns = {c:'dim_shop.'+c for c in columns}            data = data.rename(columns=columns)            data = data.sort_values(['dim_shop.shop_no'])            data.to_csv(file_path)            # 更新超时时间            self.save_last_time(file_path)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁    def get_dim_vip(self):        '''会员数据'''        sub_dir = os.path.join(self.save_dir,'vip_no')        now_lock = self.get_lock(sub_dir)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(sub_dir):                return            sql = '''SELECT dv.*, dd.date_key, dd.date_name2             FROM ur_bi_dw.dim_vip as dv            INNER JOIN ur_bi_dw.dim_date as dd            ON dv.card_create_date=dd.date_name2             where dd.date_key >= %s            and dd.date_key < %s'''            # data:pd.DataFrame = self.db_helper.get_data(sql)            sort_columns = ['dv.vip_no']            # TODO:            self.get_data_of_date(                save_dir=sub_dir,                sql=sql,                sort_columns=sort_columns,                start_date=datetime.datetime(2017, 1, 1), # 开始时间                offset=relativedelta(years=1)            )            # 更新超时时间            self.save_last_time(sub_dir)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁    def get_weather(self):        '''天气数据'''        sub_dir = os.path.join(self.save_dir,'weather')        now_lock = self.get_lock(sub_dir)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(sub_dir):                return            sql = """            select weather.* from ur_bi_ods.ods_base_weather_data_1200 as weather            where weather.date_key>=%s and weather.date_key<%s            """            sort_columns = ['weather.date_key','weather.areaid']            def data_format_fun(data):                columns = list(data.columns)                columns = {c:'weather.'+c for c in columns}                data = data.rename(columns=columns)                return data            self.get_data_of_date(                save_dir=sub_dir,                sql=sql,                sort_columns=sort_columns,                del_index_list=[-2, -1], # 删除最后下标                data_format_fun=data_format_fun,            )            # 更新超时时间            self.save_last_time(sub_dir)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁    def get_weather_city(self):        '''天气城市数据'''        file_path = os.path.join(self.save_dir,'ur_bi_dw.weather_city.csv')        now_lock = self.get_lock(file_path)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(file_path):                return            sql = 'SELECT * FROM ur_bi_dw.dim_weather_city as weather_city'            data:pd.DataFrame = self.db_helper.get_data(sql)            columns = list(data.columns)            columns = {c:'weather_city.'+c for c in columns}            data = data.rename(columns=columns)            data.to_csv(file_path)            # 更新超时时间            self.save_last_time(file_path)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁    def get_dim_goods(self):        '''货品数据'''        file_path = os.path.join(self.save_dir,'ur_bi_dw.dim_goods.csv')        now_lock = self.get_lock(file_path)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(file_path):                return            sql = 'SELECT * FROM ur_bi_dw.dim_goods'            data:pd.DataFrame = self.db_helper.get_data(sql)            columns = list(data.columns)            columns = {c:'dim_goods.'+c for c in columns}            data = data.rename(columns=columns)            data.to_csv(file_path)            # 更新超时时间            self.save_last_time(file_path)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁    def get_dim_goods_market_shop_date(self):        '''店铺商品生命周期数据'''        file_path = os.path.join(self.save_dir,'ur_bi_dw.dim_goods_market_shop_date.csv')        now_lock = self.get_lock(file_path)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(file_path):                return            # sql = 'SELECT * FROM ur_bi_dw.dim_goods_market_shop_date as goods_shop_date'            sql = '''            select shop_no, sku_no, shop_market_date, lifecycle_end_date, lifecycle_days            FROM ur_bi_dw.dim_goods_market_shop_date            where lifecycle_end_date is not null            '''            data:pd.DataFrame = self.db_helper.get_data(sql)            columns = list(data.columns)            columns = {c:c.replace('lifecycle_end_date.','') for c in columns}            data = data.rename(columns=columns)            data = data.sort_values(['shop_market_date'])            data.to_csv(file_path, index=False)            # 更新超时时间            self.save_last_time(file_path)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁    def get_dim_goods_market_date(self):        '''全国商品生命周期数据'''        file_path = os.path.join(self.save_dir,'ur_bi_dw.dim_goods_market_date.csv')        now_lock = self.get_lock(file_path)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(file_path):                return            sql = '''            select * FROM ur_bi_dw.dim_goods_market_date            '''            data:pd.DataFrame = self.db_helper.get_data(sql)            columns = list(data.columns)            columns = {c:'dim_goods_market_date.'+c for c in columns}            data = data.rename(columns=columns)            data = data.sort_values(['dim_goods_market_date.sku_no'])            data.to_csv(file_path, index=False)            # 更新超时时间            self.save_last_time(file_path)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁    def get_dim_goods_color_dev_sizes(self):        '''商品开发码数数据'''        file_path = os.path.join(self.save_dir,'dim_goods_color_dev_sizes.csv')        now_lock = self.get_lock(file_path)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(file_path):                return            # sql = 'SELECT * FROM ur_bi_dw.dim_goods_market_shop_date as goods_shop_date'            sql = 'SELECT * FROM ur_bi_dm.dim_goods_color_dev_sizes'            data:pd.DataFrame = self.db_helper.get_data(sql)            columns = list(data.columns)            columns = {c:c.replace('dim_goods_color_dev_sizes.','') for c in columns}            data = data.rename(columns=columns)            data.to_csv(file_path, index=False)            # 更新超时时间            self.save_last_time(file_path)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁    def get_dwd_daily_sales_size(self):        '''实际销售金额'''        sub_dir = os.path.join(self.save_dir,'dwd_daily_sales_size_all')        now_lock = self.get_lock(sub_dir)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(sub_dir):                return            sql = """            select shop_no,sku_no,date_key,`size`,                sum(tag_price) as `tag_price`,                sum(sales_qty) as `sales_qty`,                sum(sales_tag_amt) as `sales_tag_amt`,                sum(sales_amt) as `sales_amt`,                count(0) as `sales_count`            from ur_bi_dw.dwd_daily_sales_size as sales            where sales.date_key>=%s and sales.date_key<%s                and sales.currency_code='CNY'            group by shop_no,sku_no,date_key,`size`            """            sort_columns = ['date_key','shop_no','sku_no']            self.get_data_of_date(                save_dir=sub_dir,                sql=sql,                sort_columns=sort_columns,                start_date=datetime.datetime(2017, 1, 1), # 开始时间            )            # 更新超时时间            self.save_last_time(sub_dir)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁    def get_dwd_daily_delivery_size(self):        '''实际配货金额'''        sub_dir = os.path.join(self.save_dir,'dwd_daily_delivery_size_all')        now_lock = self.get_lock(sub_dir)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(sub_dir):                return            sql = """            select shop_no,sku_no,date_key,`size`,                sum(delivery.shop_distr_received_qty) as `shop_distr_received_qty`,                sum(delivery.shop_distr_received_amt) as `shop_distr_received_amt`,                sum(delivery.online_distr_received_qty) as `online_distr_received_qty`,                sum(delivery.online_distr_received_amt) as `online_distr_received_amt`,                sum(delivery.pr_received_qty) as `pr_received_qty`,                count(0) as `delivery_count`            from ur_bi_dw.dwd_daily_delivery_size as delivery            where delivery.date_key>=%s and delivery.date_key<%s                and delivery.currency_code='CNY'            group by shop_no,sku_no,date_key,`size`            """            sort_columns = ['date_key','shop_no','sku_no']            self.get_data_of_date(                save_dir=sub_dir,                sql=sql,                sort_columns=sort_columns,                start_date=datetime.datetime(2017, 1, 1), # 开始时间            )            # 更新超时时间            self.save_last_time(sub_dir)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁    def get_v_last_nation_sales_status(self):        '''商品畅滞销数据'''        file_path = os.path.join(self.save_dir,'v_last_nation_sales_status.csv')        now_lock = self.get_lock(file_path)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(file_path):                return            sql = 'SELECT * FROM ur_bi_dw.v_last_nation_sales_status'            data:pd.DataFrame = self.db_helper.get_data(sql)            columns = list(data.columns)            columns = {c:c.replace('v_last_nation_sales_status.','') for c in columns}            data = data.rename(columns=columns)            data.to_csv(file_path, index=False)            # 更新超时时间            self.save_last_time(file_path)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁    def get_dwd_daily_finacial_goods(self):        '''商品成本价数据'''        file_path = os.path.join(self.save_dir,'dwd_daily_finacial_goods.csv')        now_lock = self.get_lock(file_path)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(file_path):                return            sql = """            select t1.sku_no,t1.`size`,t1.cost_tax_incl from ur_bi_dw.dwd_daily_finacial_goods as t1            inner join (                select sku_no,`size`,max(date_key) as date_key                from ur_bi_dw.dwd_daily_finacial_goods                where currency_code='CNY' and country_code='CN'                group by sku_no,`size`            ) as t2            on t2.sku_no=t1.sku_no                and t2.`size`=t1.`size`                and t2.date_key=t1.date_key            where t1.currency_code='CNY' and t1.country_code='CN'            """            data:pd.DataFrame = self.db_helper.get_data(sql)            columns = list(data.columns)            columns = {c:c.replace('t1.','') for c in columns}            data = data.rename(columns=columns)            data.to_csv(file_path, index=False)            # 更新超时时间            self.save_last_time(file_path)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁    def get_dim_size_group(self):        '''尺码映射数据'''        file_path = os.path.join(self.save_dir,'dim_size_group.csv')        now_lock = self.get_lock(file_path)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(file_path):                return            sql = """select * from ur_bi_dw.dim_size_group"""            data:pd.DataFrame = self.db_helper.get_data(sql)            columns = list(data.columns)            columns = {c:c.replace('dim_size_group.','') for c in columns}            data = data.rename(columns=columns)            data.to_csv(file_path, index=False)            # 更新超时时间            self.save_last_time(file_path)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁passdef get_common_datas(    host='10.2.32.22',    port=21051,    database='ur_ai_dw',    auth_mechanism='LDAP',    user='urbi',    password='Ur#730xd',    logger:logging.Logger=None):    # 共用文件    common_datas_dir = ShareArgs.get_args_value('common_datas_dir')    common_ur_bi_dir = os.path.join(common_datas_dir, 'ur_bi_data')    ur_bi_get_datas = UrBiGetDatas(        host=host,        port=port,        database=database,        auth_mechanism=auth_mechanism,        user=user,        password=password,        save_dir=common_ur_bi_dir,        logger=logger    )    try:        logger.info('正在查询日期数据...')        ur_bi_get_datas.get_dim_date()        logger.info('查询日期数据完成!')        logger.info('正在查询店铺数据...')        ur_bi_get_datas.get_dim_shop()        logger.info('查询店铺数据完成!')        logger.info('正在查询天气数据...')        ur_bi_get_datas.get_weather()        logger.info('查询天气数据完成!')        logger.info('正在查询天气城市数据...')        ur_bi_get_datas.get_weather_city()        logger.info('查询天气城市数据完成!')        logger.info('正在查询货品数据...')        ur_bi_get_datas.get_dim_goods()        logger.info('查询货品数据完成!')        logger.info('正在查询实际销量数据...')        ur_bi_get_datas.get_dwd_daily_sales_size()        logger.info('查询实际销量数据完成!')    except Exception as ex:        logger.exception(ex)        raise ex # 往外抛出异常    finally:        ur_bi_get_datas.close()passclass CustomUrBiGetDatas(UrBiGetDatasBase):    def __init__(        self,        host='10.2.32.22',        port=21051,        database='ur_ai_dw',        auth_mechanism='LDAP',        user='urbi',        password='Ur#730xd',        save_dir='./hjx/data/ur_bi_data',        logger:logging.Logger=None        ):        self.save_dir = save_dir        self.logger = logger        super().__init__(            host=host,            port=port,            database=database,            auth_mechanism=auth_mechanism,            user=user,            password=password,            save_dir=save_dir,            logger=logger            )    def get_sales_goal_amt(self):        '''销售目标金额'''        file_path = os.path.join(self.save_dir,'month_of_year_sales_goal_amt.csv')        now_lock = self.get_lock(file_path)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(file_path):                return            sql = '''            select sales_goal.shop_no,                if(sales_goal.serial='Y','W',sales_goal.serial) as `sales_goal.serial`,                dates.month_of_year,                sum(sales_goal.sales_goal_amt) as sales_goal_amt            from ur_bi_dw.dwd_sales_goal_west as sales_goal            inner join ur_bi_dw.dim_date as dates                on sales_goal.date_key = dates.date_key            group by sales_goal.shop_no,                if(sales_goal.serial='Y','W',sales_goal.serial),                dates.month_of_year            '''            data:pd.DataFrame = self.db_helper.get_data(sql)            data = data.rename(columns={                'shop_no':'sales_goal.shop_no',                'serial':'sales_goal.serial',                'month_of_year':'dates.month_of_year',            })            # 排序            data = data.sort_values(['sales_goal.shop_no','sales_goal.serial','dates.month_of_year'])            data.to_csv(file_path)            # 更新超时时间            self.save_last_time(file_path)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁    def get_shop_serial_area(self):        '''店-系列面积'''        file_path = os.path.join(self.save_dir,'shop_serial_area.csv')        now_lock = self.get_lock(file_path)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            if not self.get_last_time(file_path):                return            sql = '''            select shop_serial_area.shop_no,                if(shop_serial_area.serial='Y','W',shop_serial_area.serial) as `shop_serial_area.serial`,                shop_serial_area.month_of_year,                sum(shop_serial_area.area) as `shop_serial_area.area`            from ur_bi_dw.dwd_shop_serial_area as shop_serial_area            where shop_serial_area.area is not null            group by shop_serial_area.shop_no,if(shop_serial_area.serial='Y','W',shop_serial_area.serial),shop_serial_area.month_of_year            '''            data:pd.DataFrame = self.db_helper.get_data(sql)            data = data.rename(columns={                'shop_no':'shop_serial_area.shop_no',                'serial':'shop_serial_area.serial',                'month_of_year':'shop_serial_area.month_of_year',                'area':'shop_serial_area.area',            })            # 排序            data = data.sort_values(['shop_serial_area.shop_no','shop_serial_area.serial','shop_serial_area.month_of_year'])            data.to_csv(file_path)            # 更新超时时间            self.save_last_time(file_path)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁passdef get_datas(    host='10.2.32.22',    port=21051,    database='ur_ai_dw',    auth_mechanism='LDAP',    user='urbi',    password='Ur#730xd',    save_dir='./data/sales_forecast/ur_bi_dw_data',    logger:logging.Logger=None):    ur_bi_get_datas = CustomUrBiGetDatas(        host=host,        port=port,        database=database,        auth_mechanism=auth_mechanism,        user=user,        password=password,        save_dir=save_dir,        logger=logger    )    try:        # 店,系列,品类,年月,销售目标金额        logger.info('正在查询年月销售目标金额数据...')        ur_bi_get_datas.get_sales_goal_amt()        logger.info('查询年月销售目标金额数据完成!')    except Exception as ex:        logger.exception(ex)        raise ex # 往外抛出异常    finally:        ur_bi_get_datas.close()passdef getdata_ur_bi_dw(    host='10.2.32.22',    port=21051,    database='ur_ai_dw',    auth_mechanism='LDAP',    user='urbi',    password='Ur#730xd',    save_dir='./data/sales_forecast/ur_bi_dw_data',    logger=None):    get_common_datas(        host=host,        port=port,        database=database,        auth_mechanism=auth_mechanism,        user=user,        password=password,        logger=logger    )    get_datas(        host=host,        port=port,        database=database,        auth_mechanism=auth_mechanism,        user=user,        password=password,        save_dir=save_dir,        logger=logger    )pass# 代码入口# getdata_ur_bi_dw(#     host=ur_bi_dw_host,#     port=ur_bi_dw_port,#     database=ur_bi_dw_database,#     auth_mechanism=ur_bi_dw_auth_mechanism,#     user=ur_bi_dw_user,#     password=ur_bi_dw_password,#     save_dir=ur_bi_dw_save_dir,#     logger=logger#     )

代码说明和领悟

每个类的具体作用说明,代码需要根据下面的文字说明进行“食用”:

(第一层)HiveHelper完成了连接数据库、关闭数据库连接、生成事务、执行、引擎、连接等功能

VarsHelper提供了一个简单的持久化功能,可以将对象以文件的形式存放在磁盘上。并提供设置值、获取值、判断值是否存在的方法

GlobalShareArgs提供了一个字典,并且提供了获取字典、设置字典、设置字典键值对、设置字典键的值、判断键是否在字典中、更新字典等方法

ShareArgs跟GlobalShareArgs类似,只是一开始字典的初始化的键值对比较多

(第二层)UrBiGetDataBase类,提供了线程锁字典、时间字典、超时判断字典,都是类变量;使用了HiveHelper类,但注意,不是继承。在具体的sql读数时,提供了线程固定和时间判断

(第三层)UrBiGetDatas类,获取hive数据库那边的日期数据、店铺数据、会员数据、天气数据、天气城市数据、商品数据、店铺生命周期数据、全国商品生命周期数据、商品开发码数数据、实际销售金额、实际配货金额、商品畅滞销数据、商品成本价数据、尺码映射数据等。

(第四层)get_common_data函数,使用URBiGetData类读取日期、店铺、天气、天气城市、货品、实际销量数据,并缓存到文件夹./yongjian/data/ur_bi_data下面

CustomUrBiGetData类,继承了UrBiGetDatasBase类,读取销售目标金额、点系列面积数据。

(这个也是第四层)get_datas函数,通过CustomUrBiGetData类,读取年月销售目标金额。

总的函数:(这个是总的调用入口函数)get_data_ur_bi_dw函数,调用了get_common_data和get_datas函数进行读取数据,然后将数据保存到某个文件夹目录下面。

举一反三,如果你不是hive数据库,你可以将第一层这个底层更换成mysql。主页有解释如果进行更换。第二层不需要改变,第三层就是你想要进行读取的数据表,不同的数据库你想要读取的数据表也不同,所以sql需要你在这里写,套用里面的方法即可,基本上就是修改sql就好了。

这种方法的好处在于,数据不会重复读取,并且读取的数据都可以得到高效的使用。

后续附上修改成mysql的一个例子代码

import loggingimport pandas as pdfrom impala.dbapi import connectimport sqlalchemyfrom sqlalchemy.orm import sessionmakerimport osimport timeimport osimport datetimefrom dateutil.relativedelta import relativedeltafrom typing import Dict, Listimport loggingimport threadingimport pandas as pdimport pickleclass MySqlHelper(object):    def __init__(        self,        host='192.168.15.144',        port=3306,        database='test_ims',        user='spkjz_writer',        password='7cmoP3QDtueVJQj2q4Az',        logger:logging.Logger=None        ):        self.host = host        self.port = port        self.database = database        self.user = user        self.password = password        self.logger = logger        self.connection_str = 'mysql+pymysql://%s:%s@%s:%d/%s' %(            self.user, self.password, self.host, self.port, self.database        )        self.conn = None        self.cursor = None        self.engine = None        self.session = None    def create_table_code(self, file_name):        '''创建表类代码'''        os.system(f'sqlacodegen {self.connection_str} > {file_name}')        return self.conn    def get_conn(self):        '''创建连接或获取连接'''        if self.conn is None:            engine = self.get_engine()            self.conn = engine.connect()        return self.conn    def get_engine(self):        '''创建连接或获取连接'''        if self.engine is None:            self.engine = sqlalchemy.create_engine(self.connection_str)        return self.engine    def get_cursor(self):        '''创建连接或获取连接'''        if self.cursor is None:            self.cursor = self.conn.cursor()        return self.cursor    def get_session(self) -> sessionmaker:        '''创建连接或获取连接'''        if self.session is None:            engine = self.get_engine()            Session = sessionmaker(bind=engine)            self.session = Session()        return self.session    def close_conn(self):        '''关闭连接'''        if self.conn is not None:            self.conn.close()            self.conn = None        self.dispose_engine()    def close_session(self):        '''关闭连接'''        if self.session is not None:            self.session.close()            self.session = None        self.dispose_engine()    def dispose_engine(self):        '''释放engine'''        if self.engine is not None:            # self.engine.dispose(close=False)            self.engine.dispose()            self.engine = None    def close_cursor(self):        '''关闭cursor'''        if self.cursor is not None:            self.cursor.close()            self.cursor = None    def get_data(self, sql, auto_close=True) -> pd.DataFrame:        '''查询数据'''        conn = self.get_conn()        data = None        try:            # 异常重试3次            for i in range(3):                try:                    data = pd.read_sql(sql, conn)                    break                except Exception as ex:                    if i == 2:                        raise ex # 往外抛出异常                    time.sleep(60) # 一分钟后重试        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            if auto_close:                self.close_conn()        return datapassclass VarsHelper():    def __init__(self, save_dir, auto_save=True):        self.save_dir = save_dir        self.auto_save = auto_save        self.values = {}        if not os.path.exists(os.path.dirname(self.save_dir)):            os.makedirs(os.path.dirname(self.save_dir))        if os.path.exists(self.save_dir):            with open(self.save_dir, 'rb') as f:                self.values = pickle.load(f)                f.close()    def set_value(self, key, value):        self.values[key] = value        if self.auto_save:            self.save_file()    def get_value(self, key):        return self.values[key]    def has_key(self, key):        return key in self.values.keys()    def save_file(self):        with open(self.save_dir, 'wb') as f:            pickle.dump(self.values, f)            f.close()passclass GlobalShareArgs():    args = {        "debug": False    }    def get_args():        return GlobalShareArgs.args    def set_args(args):        GlobalShareArgs.args = args    def set_args_value(key, value):        GlobalShareArgs.args[key] = value    def get_args_value(key, default_value=None):        return GlobalShareArgs.args.get(key, default_value)    def contain_key(key):        return key in GlobalShareArgs.args.keys()    def update(args):        GlobalShareArgs.args.update(args)passclass ShareArgs():    args = {        "labels_dir":"./hjx/shop_group/month_w_amt/data/labels", # 标签目录        "labels_output_dir":"./hjx/shop_group/month_w_amt/data/labels_output", # 聚类导出标签目录        "common_datas_dir":"./hjx/data", # 共用数据目录。ur_bi_dw的公共        "only_predict": False, # 只识别,不训练        "delete_model": True, # 先删除模型,仅在训练时使用        "export_excel": False, # 导出excel        "classes": 12, # 聚类数        "batch_size": 16,        "hidden_size": 32,        "max_nrof_epochs": 100,        "learning_rate": 0.0005,        "loss_type": "categorical_crossentropy",        "avg_model_num": 10,        "steps_per_epoch": 4.0, # 4.0        "lr_callback_patience": 4,         "lr_callback_cooldown": 1,        "early_stopping_callback_patience": 6,        "get_data": True,    }    def get_args():        return ShareArgs.args    def set_args(args):        ShareArgs.args = args    def set_args_value(key, value):        ShareArgs.args[key] = value    def get_args_value(key, default_value=None):        return ShareArgs.args.get(key, default_value)    def contain_key(key):        return key in ShareArgs.args.keys()    def update(args):        ShareArgs.args.update(args)passclass IMSGetDatasBase():    # 线程锁列表,同保存路径共用锁    lock_dict:Dict[str, threading.Lock] = {}    # 时间列表,用于判断是否超时    time_dict:Dict[str, datetime.datetime] = {}    # 用于记录是否需要更新超时时间    get_data_timeout_dict:Dict[str, bool] = {}    def __init__(        self,        host='192.168.15.144',        port=3306,        database='test_ims',        user='spkjz_writer',        password='Ur#7cmoP3QDtueVJQj2q4Az',        save_dir=None,        logger:logging.Logger=None,        ):        self.save_dir = save_dir        self.logger = logger        self.db_helper = MySqlHelper(            host=host,            port=port,            database=database,            user=user,            password=password,            logger=logger            )        # 创建子目录        if self.save_dir is not None and not os.path.exists(self.save_dir):            os.makedirs(self.save_dir)        self.vars_helper = None        if GlobalShareArgs.get_args_value('debug'):            self.vars_helper = VarsHelper('./hjx/data/vars/IMSGetDatas') # 把超时时间保存到文件,注释该行即可停掉,只用于调试    def close(self):        '''关闭连接'''        self.db_helper.close_conn()    def get_last_time(self, key_name) -> bool:        '''获取是否超时'''        # 转静态路径,确保唯一性        key_name = os.path.abspath(key_name)        if self.vars_helper is not None and self.vars_helper.has_key('IMSGetDatasBase.time_list'):            IMSGetDatasBase.time_dict = self.vars_helper.get_value('IMSGetDatasBase.time_list')        timeout = 12 # 12小时        if GlobalShareArgs.get_args_value('debug'):            timeout = 24 # 24小时        get_data_timeout = False        if key_name not in IMSGetDatasBase.time_dict.keys() or (datetime.datetime.today() - IMSGetDatasBase.time_dict[key_name]).total_seconds()>(4*60*60):            self.logger.info('超时%d小时,重新查数据:%s', timeout, key_name)            # IMSGetDatasBase.time_list[key_name] = datetime.datetime.today()            get_data_timeout = True        else:            self.logger.info('未超时%d小时,跳过查数据:%s', timeout, key_name)        # if self.vars_helper is not None :        #     self.vars_helper.set_value('IMSGetDatasBase.time_list', IMSGetDatasBase.time_list)        IMSGetDatasBase.get_data_timeout_dict[key_name] = get_data_timeout        return get_data_timeout    def save_last_time(self, key_name):        '''更新状态超时'''        # 转静态路径,确保唯一性        key_name = os.path.abspath(key_name)        if IMSGetDatasBase.get_data_timeout_dict[key_name]:            IMSGetDatasBase.time_dict[key_name] = datetime.datetime.today()        if self.vars_helper is not None :            IMSGetDatasBase.time_dict[key_name] = datetime.datetime.today()            self.vars_helper.set_value('IMSGetDatasBase.time_list', IMSGetDatasBase.time_dict)    def get_lock(self, key_name) -> threading.Lock:        '''获取锁'''        # 转静态路径,确保唯一性        key_name = os.path.abspath(key_name)        if key_name not in IMSGetDatasBase.lock_dict.keys():            IMSGetDatasBase.lock_dict[key_name] = threading.Lock()        return IMSGetDatasBase.lock_dict[key_name]    def get_data_of_date(        self,        save_dir,        sql,        sort_columns:List[str],        del_index_list=[-1], # 删除最后下标        start_date = datetime.datetime(2017, 1, 1), # 开始时间        offset = relativedelta(months=3), # 时间间隔        date_format_fun = lambda d: '%04d%02d01' % (d.year, d.month), # 查询语句中替代时间参数的格式化        filename_format_fun = lambda d: '%04d%02d.csv' % (d.year, d.month), # 查询语句中替代时间参数的格式化        stop_date = '20700101', # 超过时间则停止        ):        '''分时间增量读取数据'''        # 创建文件夹        if not os.path.exists(save_dir):            os.makedirs(save_dir)        else:            #删除最后一个文件            file_list = os.listdir(save_dir)            if len(file_list)>0:                file_list.sort()                for del_index in del_index_list:                    os.remove(os.path.join(save_dir,file_list[del_index]))                    print('删除最后一个文件:', file_list[del_index])        select_index = -1        # start_date = datetime.datetime(2017, 1, 1)        while True:            end_date = start_date + offset            start_date_str = date_format_fun(start_date)            end_date_str = date_format_fun(end_date)            self.logger.info('date: %s-%s', start_date_str, end_date_str)            file_path = os.path.join(save_dir, filename_format_fun(start_date))            # self.logger.info('file_path: %s', file_path)            if not os.path.exists(file_path):                data:pd.DataFrame = self.db_helper.get_data(sql % (start_date_str, end_date_str))                if data is None:                    break                self.logger.info('data: %d', len(data))                # self.logger.info('data: %d', data.columns)                if len(data)>0:                    select_index+=1                    # 排序                    data = data.sort_values(sort_columns)                    data.to_csv(file_path)                elif select_index!=-1:                    break                elif stop_date < start_date_str:                    raise Exception("读取数据异常,时间超出最大值!")            start_date = end_datepassclass CustomIMSGetDatas(IMSGetDatasBase):    def __init__(        self,        host='192.168.13.134',        port=4000,        database='test_ims',        user='root',        password='rootimmsadmin',        save_dir='./hjx/data/export_ims_data',        logger:logging.Logger=None        ):        self.save_dir = save_dir        self.logger = logger        super().__init__(            host=host,            port=port,            database=database,            user=user,            password=password,            save_dir=save_dir,            logger=logger            )    def get_ims_w_amt_pro(self):        '''年月系列占比数据'''        file_path = os.path.join(self.save_dir,'ims_w_amt_pro.csv')        now_lock = self.get_lock(file_path)        now_lock.acquire() # 加锁        try:            # 设置超时4小时才重新查数据            # if not self.get_last_time(file_path):            #     return            sql = 'SELECT * FROM ims_w_amt_pro'            data:pd.DataFrame = self.db_helper.get_data(sql)            data = data.rename(columns={                'serial_forecast_proportion': 'forecast_proportion',            })            data.to_csv(file_path)            # # 更新超时时间            # self.save_last_time(file_path)        except Exception as ex:            self.logger.exception(ex)            raise ex # 往外抛出异常        finally:            now_lock.release() # 释放锁passdef get_datas(    host='192.168.13.134',    port=4000,    database='test_ims',    user='root',    password='rootimmsadmin',    save_dir='./hjx/data/export_ims_data',    logger:logging.Logger=None    ):    ur_bi_get_datas = CustomIMSGetDatas(        host=host,        port=port,        database=database,        user=user,        password=password,        save_dir=save_dir,        logger=logger    )    try:        # 年月系列占比数据        logger.info('正在查询年月系列占比数据...')        ur_bi_get_datas.get_ims_w_amt_pro()        logger.info('查询年月系列占比数据完成!')    except Exception as ex:        logger.exception(ex)        raise ex # 往外抛出异常    finally:        ur_bi_get_datas.close()passdef getdata_export_ims(    host='192.168.13.134',    port=4000,    database='test_ims',    user='root',    password='rootimmsadmin',    save_dir='./hjx/data/export_ims_data',    logger:logging.Logger=None    ):    get_datas(        host=host,        port=port,        database=database,        user=user,        password=password,        save_dir=save_dir,        logger=logger    )pass

以上就是“Python读取Hive数据库代码怎么写”这篇文章的所有内容,感谢各位的阅读!相信大家阅读完这篇文章都有很大的收获,小编每天都会为大家更新不同的知识,如果还想学习更多的知识,请关注编程网行业资讯频道。

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯