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
评论区