构建 hive 时间维表

本文主要是介绍构建 hive 时间维表，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

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：

1. 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
2. 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 = 1rel_year = 1970display_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.yearmonth = 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 += 1if rel_year != year:rel_year = yearrel_week_num = 1display_year_of_week = str(rel_year) + '-' + str(rel_week_num)# 写入 csvwriter.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

1. 初始化 abs_week_num、rel_week_num 为 1，rel_year 为 1970
2. 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
3. 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
4. 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

这篇关于构建 hive 时间维表的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---