1.常见优化手段
1.1 分桶表基本介绍
-
分桶表:
create table 表名(
字段 类型,
....
)
clustered by(分桶字段) [sorted by (字段 [asc | desc])] into N buckets --- 定义分桶表核心语句
row format......-
如何向桶表添加数据
load data local inpath '' into table 表名; -- 不会触发MR hdfs dfs -put 思考: 是否可以通过 load data 方式添加数据呢? 不行的 注意: 如果使用 apache 版本的HIVE, 默认情况下, 是可以通过 load data 方式来加载数据. 只不过没有分桶的效果 但是对于 CDH版本中, 是不允许通过 load data 方式来加载的: 在CDH中默认开启了一个参数, 禁止采用load data方式向桶表添加数据: set hive.strict.checks.bucketing = true; 如果 现有一个文本文件数据, 需要加载到分桶表,如何解决呢? 第一步: 基于桶表创建一张临时表, 此表和桶表保持相同字段, 唯一区别, 当前这个表不是一个桶表 第二步: 将数据先加载到这个临时表中 第三步: 基于临时表, 使用 insert into|overwrite + select 将数据添加到桶表
-
桶表有什么用呢?
1) 进行数据采样工作 1.1) 当表的数据量比较庞大的时候, 在编写SQL语句后, 需要首先测试 SQL是否可以正常的执行, 需要在表中执行查询操作, 由于表数据量比较庞大, 在测试一条SQL的时候整个运行的时间比较久, 为了提升测试效率, 可以整个表抽样出一部分的数据, 进行测试 1.2) 校验数据的可行性(质量校验) 1.3) 进行统计分析的时候, 并不需要统计出具体的指标, 可能统计的都是一些相对性指标, 比如说一些比率(合格率)问题, 此时可以通过采样处理 2) 提升查询的效率(更主要是提升JOIN的效率) 可以减少JOIN次数, 从而提升效率 注意: 在生产环境中, 何时使用桶表, 主要看是否需要应用上述作用
1.2 数据采样
采样函数: tablesample(bucket x out of y [on column]) 使用位置: 紧紧跟在表名的后面, 如果表名有别名, 必须放置别名的前面 说明: x: 从第几个桶开始进行采样 y: 抽样比例 column: 分桶的字段, 可以省略 注意: x 不能大于 y y 必须是表的分桶数量的倍数或者因子 案例: 1) 假设 A表有10个桶, 请分析, 下面的采样函数, 会将那些桶抽取出来呢? tablesample(bucket 2 out of 5 on xxx) 会抽取出几个桶数据呢? 总桶数 / 抽样比例 = 分桶数量 2个桶 抽取那几个桶呢? (x + y) 2, 7 2) 假设 A 表有20个桶, 请分析, 下面的抽样函数, 会将那些桶抽取出来呢? tablesample(bucket 4 out of 4 on xxx) 会抽取出几个桶数据呢? 总桶数 / 抽样比例 = 分桶数量 5个桶 抽取那几个桶呢? 4 , 8,12,16,20 tablesample(bucket 8 out of 40 on xxx) 会抽取出几个桶数据呢? 总桶数 / 抽样比例 = 分桶数量 二分之一个桶 抽取那几个桶呢? 8号桶二分之一 大多数情况下, 都是因子, 取某几个桶的操作
1.3 Join优化操作
思考: 在执行Join的SQL的时候, SQL会被翻译为MR, 思考, 翻译后MR默认是如何进行JOIN操作的呢?
思考: 这种reduce端Join操作, 存在那些弊端呢? 1- 可能会存在数据倾斜的问题 (某几个reduce接收数据量远远大于其他的reduce接收数据量) 2- 所有的数据处理的操作, 全部都压在reduce中进行处理, 而reduce数量相比Map来说少的多,导致整个reduce压力比较大
思考: 如何提升Join的效率呢? 思路: 能否不让reduce做这个聚合处理的事情, 将这项工作尝试交给mapTask
1.3.1 Map Join
Map Join: 每一个mapTask在读取数据的时候, 每读取一条数据, 就会和内存中班级表数据进行匹配, 如果能匹配的上, 将匹配上数据合并在一起, 输出即可 好处: 将原有reduce join 问题全部都可以解决 弊端: 1- 比较消耗内存 2- 要求整个 Join 中, 必须的都有一个小表, 否则无法放入到内存中 仅适用于: 小表 join 大表 | 大表 join 小表 在老版本(1.x以下)中, 需要将小表放置在前面, 大表放置在后面, 在新版本中, 无所谓 建议, 如果明确知道那些表示小表, 可以优先将这些表, 放置在最前面 如何使用呢? set hive.auto.convert.join=true; -- 开启 map join的支持 默认值为True set hive.auto.convert.join.noconditionaltask.size=20971520; -- 设置 小表数据量的最大阈值: 默认值为 20971520(20M) 如果不满足条件, HIVE会自动使用 reduce join 操作
1.3.2 Bucket Map Join
-
适用场景: 中型表 和 大表 join:
-
方案一: 如果中型表能对数据进行提前过滤, 尽量提前过滤, 过滤后, 有可能满足了Map Join 条件 (并不一定可用)
-
方案二: Bucket Map Join
-
使用条件: 1- Join两个表必须是分桶表 2- 开启 Bucket Map Join 支持: set hive.optimize.bucketmapjoin = true; 3- 一个表的分桶数量是另一个表的分桶数量的整倍数 4- 分桶列 必须 是 join的ON条件的列 5- 必须建立在Map Join场景中
1.3.3 SMB Join
使用条件: 1- 两个表必须都是分桶表 2- 开启 SMB Join 支持: set hive.auto.convert.sortmerge.join=true; set hive.optimize.bucketmapjoin.sortedmerge = true; set hive.auto.convert.sortmerge.join.noconditionaltask=true; 3- 两个表的分桶的数量是一致的 4- 分桶列 必须是 join的 on条件的列, 同时必须保证按照分桶列进行排序操作 -- 开启强制排序 set hive.enforce.sorting=true; -- 在建分桶表使用: 必须使用sorted by() 5- 应用在Bucket Map Join 场景中 -- 开启 bucket map join set hive.optimize.bucketmapjoin = true; 6- 必须开启HIVE自动尝试使用SMB 方案: set hive.optimize.bucketmapjoin.sortedmerge = true; 最终汇总出来整体配置: set hive.auto.convert.join=true; set hive.auto.convert.join.noconditionaltask.size=20971520; set hive.optimize.bucketmapjoin = true; set hive.auto.convert.sortmerge.join=true; set hive.optimize.bucketmapjoin.sortedmerge = true; set hive.auto.convert.sortmerge.join.noconditionaltask=true; set hive.enforce.sorting=true; set hive.optimize.bucketmapjoin.sortedmerge = true; 建表: create table test_smb_2(mid string,age_id string) CLUSTERED BY(mid) SORTED BY(mid) INTO 500 BUCKETS; 至于分多少个桶: 取决于表的数据大小 和 小表阈值 之间相差了多少倍
1.4 HIVE的索引
1.4.1 HIVE原始索引(废弃)
hive的原始索引可以针对某个列, 或者某几列构建索引信息, 构建后提升查询执行列的查询效率 存在弊端: hive原始索引不会自动更新,每次表中数据发生变化后, 都是需要手动重建索引操作, 比较耗费时间和资源, 整体提升性能一般 所以在HIVE3.x版本后, 已经直接将这种索引废弃掉了, 无法使用, 而且官方描述在hive1.x 和 hive2.x版本中, 也不建议优先使用原始索引
1.4.2 Row Group Index索引
条件:
1) 要求表的存储类型为ORC存储格式
2) 在创建表的时候, 必须开启 row group index 索引支持
'orc.create.index'='true'
3) 在插入数据的时候, 必须保证需求进行索引列, 按序插入数据
适用于: 数值类型的, 并且对数值类型进行 > < = 操作
思路:
插入数据到ORC表后, 会自动进行划分为多个script片段, 每个片段内部, 会保存着每个字段的最小, 最大值, 这样, 当执行查询 > < = 的条件筛选操作的时候, 根据最小最大值锁定相关的script片段, 从而减少数据扫描量, 提升效率
操作:
CREATE TABLE lxw1234_orc2 (字段列表 ....) stored AS ORC
TBLPROPERTIES (
'orc.compress'='SNAPPY',
-- 开启行组索引
'orc.create.index'='true'
)
插入数据的时候, 需要保证数据有序的
insert overwrite table lxw1234_orc2
SELECT id, pcid FROM lxw1234_text
-- 插入的数据保持排序(可以使用全局排序, 也可以使用局部排序, 只需要保证一定有序即可, 建议使用局部排序 插入数据效率高一些, 因为全局排序只有一个reduce)
DISTRIBUTE BY id sort BY id;
使用:
set hive.optimize.index.filter=true;
SELECT COUNT(1) FROM lxw1234_orc1 WHERE id >= 1382 AND id <= 1399;
1.4.3 Bloom Fliter Index索引
bloom filter index (布隆过滤索引): 布隆过滤器
条件:
1) 要求表的存储类型为 ORC存储方案
2) 在建表的饿时候, 必须设置为那些列构建布隆索引
3) 仅能适合于等值过滤查询操作
思路:
在开启布隆过滤索引后, 可以针对某个列, 或者某几列来建立索引, 构建索引后, 会将这一列的数据的值存储在对应script片段的索引信息中, 这样当进行 等值查询的时候, 首先会到每一个script片段的索引中, 判断是否有这个值, 如果没有, 直接跳过script, 从而减少数据扫描量, 提升效率
操作:
CREATE TABLE lxw1234_orc2 (字段列表....)
stored AS ORC
TBLPROPERTIES (
'orc.compress'='SNAPPY',
-- 开启 行组索引 (可选的, 支持全部都打开, 也可以仅开启一个)
'orc.create.index'='true',
-- pcid字段开启BloomFilter索引
'orc.bloom.filter.columns'='pcid,字段2,字段3...'
)
插入数据: 没有要求, 当然如果开启行组索引, 可以将需要使用行组索引的字段, 进行有序插入即可
使用:
SET hive.optimize.index.filter=true;
SELECT COUNT(1) FROM lxw1234_orc1 WHERE id >= 0 AND id <= 1000 AND pcid IN ('0005E26F0DCCDB56F9041C','A');
在什么时候可以使用呢?
1- 对于行组索引, 我们建议只要数据存储格式为ORC, 建议将这种索引全部打开, 至于导入数据的时候, 如果能保证有序, 那最好, 如果保证不了, 也无所谓, 大不了这个索引的效率不是特别好 2- 对于布隆过滤索引: 建议将后续会大量的用于等值连接的操作字段, 建立成布隆索引, 比如说: JOIN的字段 经常在where后面出现的等值连接字段
1.5 如何解决数据倾斜问题
1.5.1 Join数据倾斜
在前序讲解reduce 端 JOIN的时候, 描述过reduce 端Join的问题, 其中就包含reduce端Join存在数据倾斜的问题
-
解决方案一:
可以通过 Map Join Bucket Map Join 以及 SMB Join 解决
注意:
通过 Map Join,Bucket Map Join,SMB Join 来解决数据倾斜, 但是 这种操作是存在使用条件的, 如果无法满足这些条件, 无法使用 这种处理方案
-
解决方案二:
思路: 将那些产生倾斜的key和对应v2的数据, 从当前这个MR中移出去, 单独找一个MR来处理即可, 处理后, 和之前的MR进行汇总结果即可 关键问题: 如何找到那些存在倾斜的key呢? 特点: 这个key数据有很多 运行期处理方案: 思路: 在执行MR的时候, 会动态统计每一个 k2的值出现重复的次数, 当这个重复的次数达到一定的阈值后, 认为当前这个k2的数据存在数据倾斜, 自动将其剔除, 交由给一个单独的MR来处理即可,两个MR处理完成后, 将结果基于union all 合并在一起即可 实操: set hive.optimize.skewjoin=true; -- 开启运行期处理倾斜参数 set hive.skewjoin.key=100000; -- 阈值, 此参数在实际生产环境中, 需要调整在一个合理的值(否则极易导致大量的key都是倾斜的) 判断依据: 查看 join的 字段 对应重复的数量有多少个, 然后选择一个合理值 比如判断: id为 1 大概有 100w id为 2 88w id 为 3 大概有 500w 设置阈值为 大于500w次数据 或者: 总数量大量1000w, 然后共有 1000个班级, 平均下来每个班级数量大概在 1w条, 设置阈值: 大于 3w条 ~5w条范围 (超过3~5倍才认为倾斜) 适用于: 并不清楚那个key容易产生倾斜, 此时交由系统来动态检测 编译期处理方案: 思路: 在创建这个表的时候, 我们就可以预知到后续插入到这个表中数据, 那些key的值会产生倾斜, 在建表的时候, 将其提前配置设置好即可, 在后续运行的时候, 程序会自动将设置的key的数据单独找一个MR来进行处理即可, 处理完成后, 再和原有结果进行union all 合并操作 实操: set hive.optimize.skewjoin.compiletime=true; -- 开启编译期处理倾斜参数 CREATE TABLE list_bucket_single (key STRING, value STRING) -- 倾斜的字段和需要拆分的key值 SKEWED BY (key) ON (1,5,6) -- 为倾斜值创建子目录单独存放 [STORED AS DIRECTORIES]; 适用于: 提前知道那些key存在倾斜 在实际生产环境中, 应该使用那种方式呢? 两种方式都会使用的 一般来说, 会将两个都开启, 编译期的明确在编译期将其设置好, 编译期不清楚, 通过运行期动态捕获即可说明: 不管是运行期 还是编译期的join倾斜解决, 最终都会运行多个MR, 将多个MR结果通过union all 进行汇总, union all也是需要单独一个MR来处理 解决方案: 让每一个MR在运行完成后, 直接将结果输出到目的地即可, 默认 是各个MR将结果输出临时目录, 通过 union all 合并到最终目的地 开启此参数即可: set hive.optimize.union.remove=true;
1.5.2 group by 数据倾斜
假设目前有这么一个表: sid sname cid s01 张三 c01 s02 李四 c02 s03 王五 c01 s04 赵六 c03 s05 田七 c02 s06 周八 c01 s07 李九 c01 s08 老王 c04 需求: 请计算每个班级有多少个人 select cid,count(1) as total from stu group by cid; 翻译后MR是如何处理SQL呢? MAP 阶段: 假设Map阶段跑了二个MapTask mapTask1: k2 v2 c01 {s01 张三 c01} c02 {s02 李四 c02} c01 {s03 王五 c01} c03 {s04 赵六 c03} mapTask2: k2 v2 c02 {s05 田七 c02} c01 {s06 周八 c01} c01 {s07 李九 c01} c04 {s08 老王 c04} reduce阶段: 假设reduceTask有二个 reduceTask1: 接收 c01 和 c02的数据 接收数据 k2 v2 c01 {s01 张三 c01} c02 {s02 李四 c02} c01 {s03 王五 c01} c02 {s05 田七 c02} c01 {s06 周八 c01} c01 {s07 李九 c01} 分组后: c01 [{s01 张三 c01},{s03 王五 c01},{s06 周八 c01},{s07 李九 c01}] c02 [{s02 李四 c02},{s05 田七 c02}] 结果数据: c01 4 c02 2 reduceTask2: 接收 c03 和 c04的数据 接收数据 k2 v2 c03 {s04 赵六 c03} c04 {s08 老王 c04} 分组后: c03 [{s04 赵六 c03}] c04 [{s08 老王 c04}] 结果数据: c03 1 c04 1 在以上整个计算流程中, 发现 其中一个reduce接收到的数据量比另一个reduce接收的数据量要多的多, 认为出现了数据倾斜的问题, 所以group by 也有可能产生数据倾斜
思考: 如何解决group by的数据倾斜呢?
假设目前有这么一个表: sid sname cid s01 张三 c01 s02 李四 c02 s03 王五 c01 s04 赵六 c03 s05 田七 c02 s06 周八 c01 s07 李九 c01 s08 老王 c04 需求: 请计算每个班级有多少个人 select cid,count(1) as total from stu group by cid; 翻译后MR是如何处理SQL呢? MAP 阶段: 假设Map阶段跑了二个MapTask mapTask1: k2 v2 c01 {s01 张三 c01} c02 {s02 李四 c02} c01 {s03 王五 c01} c03 {s04 赵六 c03} 规约(提前聚合)操作: 处理逻辑与reduce处理逻辑一直 分组: c01 [{s01 张三 c01},{s03 王五 c01}] c02 [{s02 李四 c02}] c03 [{s04 赵六 c03}] 聚合得出结果: c01 2 c02 1 c03 1 mapTask2: k2 v2 c02 {s05 田七 c02} c01 {s06 周八 c01} c01 {s07 李九 c01} c04 {s08 老王 c04} 规约(提前聚合)操作: 处理逻辑与reduce处理逻辑一直 分组: c01 [{s06 周八 c01},{s07 李九 c01}] c02 [{s05 田七 c02}] c04 [{s08 老王 c04}] 聚合得出结果: c01 2 c02 1 c04 1 reduce阶段: 假设reduceTask有二个 reduceTask1: 接收 c01 和 c02的数据 接收数据 k2 v2 c01 2 c02 1 c01 2 c02 1 分组后: c01 [2,2] c02 [1,1] 结果数据: c01 4 c02 2 reduceTask2: 接收 c03 和 c04的数据 接收数据 k2 v2 c03 1 c04 1 分组后: c03 [1] c04 [1] 结果数据: c03 1 c04 1 通过规约来解决数据倾斜, 处理完成后, 发现 两个reduce中从原来相差 3倍, 变更为相差 2倍, 减轻了数据倾斜问题 如何配置呢? 只需要在HIVE中开启combiner提前聚合配置参数即可: set hive.map.aggr=true;
假设目前有这么一个表: sid sname cid s01 张三 c01 s02 李四 c02 s03 王五 c01 s04 赵六 c03 s05 田七 c02 s06 周八 c01 s07 李九 c01 s08 老王 c04 需求: 请计算每个班级有多少个人 select cid,count(1) as total from stu group by cid; 翻译后MR是如何处理SQL呢? 第一个MR的操作: 对数据进行打散 Map 阶段: 假设运行了两个MapTask mapTask1: k2 v2 c01 {s01 张三 c01} c02 {s02 李四 c02} c01 {s03 王五 c01} c03 {s04 赵六 c03} mapTask2: k2 v2 c02 {s05 田七 c02} c01 {s06 周八 c01} c01 {s07 李九 c01} c04 {s08 老王 c04} mapTask执行完成后, 在进行分发数据到达reduce, 默认情况下将相同k2的数据发往同一个reduce, 目前采用方案为随机分发, 保证每一个reduce拿到相等数量的数据信息(负载过程, 让每一个reduce接收到相同数量的数据) reduce阶段: 假设有两个reduceTask reduceTask1: 接收到数据: c01 {s01 张三 c01} c01 {s03 王五 c01} c01 {s06 周八 c01} c01 {s07 李九 c01} 分组操作: c01 [{s01 张三 c01},{s03 王五 c01},{s06 周八 c01},{s07 李九 c01}] 输出结果: c01 4 reduceTask2: 接收到数据: c03 {s04 赵六 c03} c02 {s05 田七 c02} c02 {s02 李四 c02} c04 {s08 老王 c04} 分组操作: c03 [{s04 赵六 c03}] c02 [{s02 李四 c02},{s05 田七 c02}] c04 [{s08 老王 c04}] 输出结果: c02 2 c03 1 c04 1 第一个MR执行完成了, 每个reduce都接收到四条数据, 自然也就不存在数据倾斜的问题了 第二个MR进行处理: 严格按照相同k2发往同一个reduce Map 阶段: 假设有二个mapTask mapTask1: k2 v2 c01 4 c02 2 mapTask2: k2 v2 c03 1 c04 1 reduce阶段: 假设有两个reduce reduceTask1: 接收 c01 和 c02 数据 接收数据: k2 v2 c01 4 c02 2 结果: c01 4 c02 2 reduceTask2: 接收 c03 和c04 接收数据: k2 v2 c03 1 c04 1 结果: c03 1 c04 1 通过负载均衡方式来解决数据倾斜, 同样也可以减轻数据倾斜的压力 细细发现, 方案一 和 方案二, 是有类似之处的, 方案一, 让每一个mapTask内部进行提前聚合, 然后到达reduce进行汇总合并得出结构, 方案二: 让第一个MR进行打散并对数据进行聚合计算 得出局部结果, 然后让第二个MR进行最终聚合计算操作, 得出最终结果 说明: 方案二, 比方案一, 更能彻底解决数据倾斜问题, 因为其处理数据范围更大, 整个整个数据集来处理, 而方案一, 只是每个MapTask处理, 仅仅局部处理 如何使用方案二: 只需要开启负载均衡的HIVE参数配置即可: set hive.groupby.skewindata=true; 这两种方式: 建议在生产中, 优先使用第一种, 如果第一种无法解决, 尝试使用第二种解决 注意事项: 使用第二种负载均衡的解决group by 的数据倾斜, 一定要注意, SQL语句中不能出现多次 distinct操作, 否则 HIVE会直接报错的 错误信息: Error in semantic analysis: DISTINCT on different columns not supported with skew in data. 比如说: SELECT ip, count(DISTINCT uid), count(DISTINCT uname) FROMlog GROUP BY ip 此操作就直接报错了,只能使用方案一解决数据倾斜
倾斜的参数配置开启条件, 一定是出现了数据倾斜的问题, 如果没有出现 不需要开启的
思考: 如何才能知道发生了数据倾斜呢?
倾斜发生后, 出现的问题, 程序迟迟无法结束, 或者说翻译的MR中reduceTask有多个, 大部分的reduceTask都执行完成了, 只有其中一个或者几个没有执行完成, 此时认为发生了数据倾斜 关键点: 如何查看每一个reduceTask执行时间
运行的时候点击:
目前, 我们这里可能只有一个reduce, 但是实际上生产环境中, 此位置可能会有多个reduceTask, 我们需要观察每个reduceTask执行时间, 如果发现其中一个或者几个reduce执行时间, 远远大于其他的reduceTask执行时间, 那么说明存在数据倾斜的问题
如果程序以及运行完成了, 想查看刚刚运行的各个reduceTask时间: 使用jobHistory
2.核销主题_DWS和ADS层
2.1 DWS开发
门店商品分析刻表: dws_goods_store_goods_statistics_quarter_i 门店经营分析刻表: dws_store_manage_statistics_quarter_i
注意：具体计算只计算增量，全量计算直接去掉where条件即可。或者在调度时使用补数的方法，将历史分区一天一天跑出来即可！
2.1.1 门店商品分析刻表
构建一张DWS层的大宽表，包含销售、损耗、收货、要货等信息。维度字段，包含4张DWM表中的共有字段；指标字段，包含需求中所要求的字段以及拓展的字段。
将四张dwm层的表进行合并即可。需要注意的是，要先进行初步聚合，再去union all，可以提高计算效率。
指标: 销售单量,销售数量,销售金额 折扣金额 销售成本 余额支付金额 取消商品销售金额 退款商品销售金额 线上单量,线下单量,线上销售数量,线下销售数量 线上销售金额,线下销售金额,线上销售成本,线下销售成本 损耗数量,损耗金额 收货数量,收货金额 要货数量,要货金额 维度(最细粒度): 时间维度(粒度到刻), 门店维度, 商品维度
建表语句
CREATE TABLE IF NOT EXISTS dws.dws_goods_store_goods_statistics_quarter_i(
trade_date STRING COMMENT '交易日期',
week_trade_date STRING COMMENT '周一日期',
month_trade_date STRING COMMENT '月一日期',
hourly BIGINT COMMENT '交易小时(0-23)',
quarter BIGINT COMMENT '刻钟:1.0-15,2.15-30,3.30-45,4.45-60',
quarters BIGINT COMMENT '刻钟数:hourly*4+quarters',
store_no STRING COMMENT '店铺编码',
store_name STRING COMMENT '店铺名称',
store_sale_type BIGINT COMMENT '店铺销售类型',
store_type_code BIGINT COMMENT '分店类型',
worker_num BIGINT COMMENT '员工人数',
store_area DECIMAL(27, 2) COMMENT '门店面积',
city_id BIGINT COMMENT '城市ID',
city_name STRING COMMENT '城市名称',
region_code STRING COMMENT '区域编码',
region_name STRING COMMENT '区域名称',
is_day_clear BIGINT COMMENT '是否日清:0否,1是',
first_category_no STRING COMMENT '一级分类编码',
first_category_name STRING COMMENT '一级分类名称',
second_category_no STRING COMMENT '二级分类编码',
second_category_name STRING COMMENT '二级分类名称',
third_category_no STRING COMMENT '三级分类编码',
third_category_name STRING COMMENT '三级分类名称',
goods_no STRING COMMENT '商品编码',
goods_name STRING COMMENT '商品名称',
is_clean BIGINT COMMENT '商品是否日清:0否,1是',
order_num BIGINT COMMENT '销售单量',
sale_qty DECIMAL(27, 3) COMMENT '销售数量',
sale_amount DECIMAL(27, 2) COMMENT '销售金额',
dis_amount DECIMAL(27, 2) COMMENT '折扣金额',
sale_cost DECIMAL(27, 2) COMMENT '销售成本',
balance_amount DECIMAL(27, 2) COMMENT '余额支付金额',
cancel_sale_amount DECIMAL(27, 2) COMMENT '取消商品销售金额',
refund_sale_amount DECIMAL(27, 2) COMMENT '退款商品销售金额',
online_order_num BIGINT COMMENT '线上单量',
offline_order_num BIGINT COMMENT '线下单量',
online_sale_qty DECIMAL(27, 3) COMMENT '线上销售数量',
offline_sale_qty DECIMAL(27, 3) COMMENT '线下销售数量',
online_sale_amount DECIMAL(27, 2) COMMENT '线上销售金额',
offline_sale_amount DECIMAL(27, 2) COMMENT '线下销售金额',
online_sale_cost DECIMAL(27, 2) COMMENT '线上销售成本',
offline_sale_cost DECIMAL(27, 2) COMMENT '线下销售成本',
loss_qty DECIMAL(27, 3) COMMENT '损耗数量',
loss_amount DECIMAL(27, 2) COMMENT '损耗金额',
receipt_qty DECIMAL(27, 3) COMMENT '收货数量',
receipt_amount DECIMAL(27, 2) COMMENT '收货金额（收货-退货-退配+调入-调出）',
require_qty DECIMAL(27, 3) COMMENT '要货数量',
require_amount DECIMAL(27, 2) COMMENT '要货金额'
)
COMMENT '门店商品分析刻表'
partitioned by(dt STRING COMMENT '统计时间')
row format delimited fields terminated by ','
stored as orc
tblproperties ('orc.compress'='SNAPPY');数据插入
-- DWS层: 门店 商品的分析刻表
-- 第一步: 先计算销售相关的数据
-- 第二步 计算 损耗数量 和 损耗金额
-- 第三步: 收货数量 和 收货金额
-- 第四步: 要货数量 和 要货金额
-- 第五步: 进行合并 FULL JOIN / Union all 均可以
with t1 as (
-- 第一步: 先计算销售相关的数据
select
-- 时间维度
trade_date,
week_trade_date,
month_trade_date,
hourly,
quarter,
quarters,
-- 门店维度
store_no,
store_name,
store_sale_type,
store_type_code,
worker_num,
store_area,
city_id,
city_name,
region_code,
region_name,
is_day_clear,
-- 商品维度
first_category_no,
first_category_name,
second_category_no,
second_category_name,
third_category_no,
third_category_name,
goods_no,
goods_name,
is_clean,
-- 指标
-- 销售单量/数量/金额
count( if(trade_type = 0,parent_order_no,null)) - count(if(trade_type = 5,parent_order_no,null)) as order_num,
sum(sale_qty) as sale_qty,
sum(sale_amount) as sale_amount,
-- 折扣金额
sum(dis_amount) as dis_amount,
-- 销售成本
sum(sale_cost) as sale_cost,
-- 余额支付金额
sum(if(is_balance_consume = 1,balance_amount,0)) as balance_amount,
-- 取消商品销售金额
sum(if(trade_type = 5,sale_amount,0)) as cancel_sale_amount,
-- -- 退款商品销售金额
sum(if(trade_type = 2,sale_amount,0)) as refund_sale_amount,
-- -- 线上线下单量
count( if(trade_type = 0 and is_online_order = 1,parent_order_no,null)) - count(if(trade_type = 5 and is_online_order = 1,parent_order_no,null)) as online_order_num,
count( if(trade_type = 0 and is_online_order = 0,parent_order_no,null)) - count(if(trade_type = 5 and is_online_order = 0,parent_order_no,null)) as offline_order_num,
-- -- 线上线下销售数量
sum(if(is_online_order = 1,sale_qty,0)) as online_sale_qty,
sum(if(is_online_order = 0,sale_qty,0)) as offline_sale_qty,
-- -- 线上线下销售金额
sum(if(is_online_order = 1,sale_amount,0)) as online_sale_amount,
sum(if(is_online_order = 0,sale_amount,0)) as offline_sale_amount,
-- 线上线下销售成本
sum(if(is_online_order = 1,sale_cost,0)) as online_sale_cost,
sum(if(is_online_order = 0,sale_cost,0)) as offline_sale_cost,
0 as loss_qty,
0 as loss_amount,
0 as receipt_qty,
0 as receipt_amount,
0 as require_qty,
0 as require_amount
from dwm.dwm_sold_goods_sold_dtl_i
group by
-- 时间维度
trade_date,
week_trade_date,
month_trade_date,
hourly,
quarter,
quarters,
-- 门店维度
store_no,
store_name,
store_sale_type,
store_type_code,
worker_num,
store_area,
city_id,
city_name,
region_code,
region_name,
is_day_clear,
-- 商品维度
first_category_no,
first_category_name,
second_category_no,
second_category_name,
third_category_no,
third_category_name,
goods_no,
goods_name,
is_clean
union all
-- 第二步 计算 损耗数量 和 损耗金额
select
-- 时间维度
trade_date,
week_trade_date,
month_trade_date,
hourly,
quarter,
quarters,
-- 门店维度
store_no,
store_name,
store_sale_type,
store_type_code,
worker_num,
store_area,
city_id,
city_name,
region_code,
region_name,
is_day_clear,
-- 商品维度
first_category_no,
first_category_name,
second_category_no,
second_category_name,
third_category_no,
third_category_name,
goods_no,
goods_name,
is_clean,
0 as order_num,
0 as sale_qty,
0 as sale_amount,
0 as dis_amount,
0 as sale_cost,
0 as balance_amount,
0 as cancel_sale_amount,
0 as refund_sale_amount,
0 as online_order_num,
0 as offline_order_num,
0 as online_sale_qty,
0 as offline_sale_qty,
0 as online_sale_amount,
0 as offline_sale_amount,
0 as online_sale_cost,
0 as offline_sale_cost,
sum(loss_qty) as loss_qty,
sum(loss_amount) as loss_amount,
0 as receipt_qty,
0 as receipt_amount,
0 as require_qty,
0 as require_amount
from dwm.dwm_stock_store_goods_loss_quarter_i
group by
-- 时间维度
trade_date,
week_trade_date,
month_trade_date,
hourly,
quarter,
quarters,
-- 门店维度
store_no,
store_name,
store_sale_type,
store_type_code,
worker_num,
store_area,
city_id,
city_name,
region_code,
region_name,
is_day_clear,
-- 商品维度
first_category_no,
first_category_name,
second_category_no,
second_category_name,
third_category_no,
third_category_name,
goods_no,
goods_name,
is_clean
union all
-- 第三步: 收货数量 和 收货金额
select
-- 时间维度
trade_date,
week_trade_date,
month_trade_date,
hourly,
quarter,
quarters,
-- 门店维度
store_no,
store_name,
store_sale_type,
store_type_code,
worker_num,
store_area,
city_id,
city_name,
region_code,
region_name,
is_day_clear,
-- 商品维度
first_category_no,
first_category_name,
second_category_no,
second_category_name,
third_category_no,
third_category_name,
goods_no,
goods_name,
is_clean,
0 as order_num,
0 as sale_qty,
0 as sale_amount,
0 as dis_amount,
0 as sale_cost,
0 as balance_amount,
0 as cancel_sale_amount,
0 as refund_sale_amount,
0 as online_order_num,
0 as offline_order_num,
0 as online_sale_qty,
0 as offline_sale_qty,
0 as online_sale_amount,
0 as offline_sale_amount,
0 as online_sale_cost,
0 as offline_sale_cost,
0 as loss_qty,
0 as loss_amount,
sum(receipt_qty) as receipt_qty,
sum(receipt_amount) as receipt_amount,
0 as require_qty,
0 as require_amount
from dwm.dwm_order_store_goods_receipt_quarter_i
group by
-- 时间维度
trade_date,
week_trade_date,
month_trade_date,
hourly,
quarter,
quarters,
-- 门店维度
store_no,
store_name,
store_sale_type,
store_type_code,
worker_num,
store_area,
city_id,
city_name,
region_code,
region_name,
is_day_clear,
-- 商品维度
first_category_no,
first_category_name,
second_category_no,
second_category_name,
third_category_no,
third_category_name,
goods_no,
goods_name,
is_clean
union all
-- 第四步: 要货数量 和 要货金额
select
-- 时间维度
trade_date,
week_trade_date,
month_trade_date,
hourly,
quarter,
quarters,
-- 门店维度
store_no,
store_name,
store_sale_type,
store_type_code,
worker_num,
store_area,
city_id,
city_name,
region_code,
region_name,
is_day_clear,
-- 商品维度
first_category_no,
first_category_name,
second_category_no,
second_category_name,
third_category_no,
third_category_name,
goods_no,
goods_name,
is_clean,
0 as order_num,
0 as sale_qty,
0 as sale_amount,
0 as dis_amount,
0 as sale_cost,
0 as balance_amount,
0 as cancel_sale_amount,
0 as refund_sale_amount,
0 as online_order_num,
0 as offline_order_num,
0 as online_sale_qty,
0 as offline_sale_qty,
0 as online_sale_amount,
0 as offline_sale_amount,
0 as online_sale_cost,
0 as offline_sale_cost,
0 as loss_qty,
0 as loss_amount,
0 as receipt_qty,
0 as receipt_amount,
sum(require_qty) as require_qty,
sum(require_amount) as require_amount
from dwm.dwm_order_store_goods_require_quarter_i
group by
-- 时间维度
trade_date,
week_trade_date,
month_trade_date,
hourly,
quarter,
quarters,
-- 门店维度
store_no,
store_name,
store_sale_type,
store_type_code,
worker_num,
store_area,
city_id,
city_name,
region_code,
region_name,
is_day_clear,
-- 商品维度
first_category_no,
first_category_name,
second_category_no,
second_category_name,
third_category_no,
third_category_name,
goods_no,
goods_name,
is_clean
)
insert overwrite table dws.dws_goods_store_goods_statistics_quarter_i partition (dt)
select
-- 时间维度
trade_date,
week_trade_date,
month_trade_date,
hourly,
quarter,
quarters,
-- 门店维度
store_no,
store_name,
store_sale_type,
store_type_code,
worker_num,
store_area,
city_id,
city_name,
region_code,
region_name,
is_day_clear,
-- 商品维度
first_category_no,
first_category_name,
second_category_no,
second_category_name,
third_category_no,
third_category_name,
goods_no,
goods_name,
is_clean,
sum(order_num) as order_num ,
cast(sum(sale_qty) as decimal(27,3)) as sale_qty ,
cast(sum(sale_amount) as decimal(27,2)) as sale_amount ,
cast(sum(dis_amount) as decimal(27,2)) as dis_amount ,
cast(sum(sale_cost) as decimal(27,2)) as sale_cost ,
cast(sum(balance_amount) as decimal(27,2)) as balance_amount ,
cast(sum(cancel_sale_amount) as decimal(27,2)) as cancel_sale_amount ,
cast(sum(refund_sale_amount) as decimal(27,2)) as refund_sale_amount ,
sum(online_order_num)as online_order_num ,
sum(offline_order_num) as offline_order_num ,
cast(sum(online_sale_qty) as decimal(27,3)) as online_sale_qty ,
cast(sum(offline_sale_qty) as decimal(27,3)) as offline_sale_qty ,
cast(sum(online_sale_amount) as decimal(27,2)) as online_sale_amount ,
cast(sum(offline_sale_amount) as decimal(27,2)) as offline_sale_amount ,
cast(sum(online_sale_cost) as decimal(27,2)) as online_sale_cost ,
cast(sum(offline_sale_cost) as decimal(27,2)) as offline_sale_cost ,
cast(sum(loss_qty) as decimal(27,3)) as loss_qty ,
cast(sum(loss_amount) as decimal(27,2)) as loss_amount ,
cast(sum(receipt_qty) as decimal(27,3)) as receipt_qty ,
cast(sum(receipt_amount) as decimal(27,2)) as receipt_amount ,
cast(sum(require_qty) as decimal(27,3)) as require_qty ,
cast(sum(require_amount)as decimal(27,2)) as require_amount,
trade_date as dt
from t1
group by
-- 时间维度
trade_date,
week_trade_date,
month_trade_date,
hourly,
quarter,
quarters,
-- 门店维度
store_no,
store_name,
store_sale_type,
store_type_code,
worker_num,
store_area,
city_id,
city_name,
region_code,
region_name,
is_day_clear,
-- 商品维度
first_category_no,
first_category_name,
second_category_no,
second_category_name,
third_category_no,
third_category_name,
goods_no,
goods_name,
is_clean;2.1.2 门店经营分析刻表
构建一张DWS层的大宽表，包含维度字段，以及销售、损耗、收货、要货、会员、支付等全部指标。
指标:
销售单量,销售数量,销售金额
折扣金额
销售成本
余额支付金额
取消商品销售金额
退款商品销售金额
线上单量,线下单量
线上销售金额,线下销售金额,线上销售成本,线下销售成本
损耗金额
收货金额
要货金额
线上会员单量,实体卡会员单量
线上会员销售金额,实体卡会员销售金额
线上会员销售成本,实体卡会员销售成本
线上会员下单人数,实体卡会员下单人数
使用余额销售金额,使用余额单量,使用余额的销售成本,使用余额的下单人数
维度:
时间维度(粒度到刻), 门店维度
建表语句
CREATE TABLE IF NOT EXISTS dws.dws_store_manage_statistics_quarter_i(
trade_date STRING COMMENT '交易日期',
week_trade_date STRING COMMENT '周一日期',
month_trade_date STRING COMMENT '月一日期',
hourly BIGINT COMMENT '交易小时(0-23)',
quarter BIGINT COMMENT '刻钟:1.0-15,2.15-30,3.30-45,4.45-60',
quarters BIGINT COMMENT '刻钟数:hourly*4+quarters',
store_no STRING COMMENT '店铺编码',
store_name STRING COMMENT '店铺名称',
store_sale_type BIGINT COMMENT '店铺销售类型',
store_type_code BIGINT COMMENT '分店类型',
worker_num BIGINT COMMENT '员工人数',
store_area DECIMAL(27, 2) COMMENT '门店面积',
city_id BIGINT COMMENT '城市ID',
city_name STRING COMMENT '城市名称',
region_code STRING COMMENT '区域编码',
region_name STRING COMMENT '区域名称',
is_day_clear BIGINT COMMENT '是否日清:0否,1是',
order_num BIGINT COMMENT '销售单量',
sale_qty DECIMAL(27, 3) COMMENT '销售数量',
sale_amount DECIMAL(27, 2) COMMENT '销售金额',
dis_amount DECIMAL(27, 2) COMMENT '折扣金额',
sale_cost DECIMAL(27, 2) COMMENT '销售成本',
balance_amount DECIMAL(27, 2) COMMENT '余额支付金额',
cancel_sale_amount DECIMAL(27, 2) COMMENT '取消商品销售金额',
refund_sale_amount DECIMAL(27, 2) COMMENT '退款商品销售金额',
online_order_num BIGINT COMMENT '线上单量',
offline_order_num BIGINT COMMENT '线下单量',
online_sale_amount DECIMAL(27, 2) COMMENT '线上销售金额',
offline_sale_amount DECIMAL(27, 2) COMMENT '线下销售金额',
online_sale_cost DECIMAL(27, 2) COMMENT '线上销售成本',
offline_sale_cost DECIMAL(27, 2) COMMENT '线下销售成本',
loss_amount DECIMAL(27, 2) COMMENT '损耗金额',
receipt_amount DECIMAL(27, 2) COMMENT '收货金额（收货-退货-退配+调入-调出）',
require_amount DECIMAL(27, 2) COMMENT '要货金额',
ol_mem_order_num BIGINT COMMENT '线上会员单量',
vip_mem_order_num BIGINT COMMENT '实体卡会员单量',
ol_mem_sale_amount DECIMAL(27, 2) COMMENT '线上会员销售金额',
vip_mem_sale_amount DECIMAL(27, 2) COMMENT '实体卡会员销售金额',
ol_mem_sale_cost DECIMAL(27, 2) COMMENT '线上会员销售成本',
vip_mem_sale_cost DECIMAL(27, 2) COMMENT '实体卡会员销售成本',
ol_mem_trade_num BIGINT COMMENT '线上会员下单人数',
vip_mem_trade_num BIGINT COMMENT '实体卡会员下单人数',
balance_sale_amount DECIMAL(27, 2) COMMENT '使用余额销售金额',
balance_order_num BIGINT COMMENT '使用余额单量',
balance_sale_cost DECIMAL(27, 2) COMMENT '使用余额的销售成本',
balance_people_num BIGINT COMMENT '使用余额的下单人数'
)
COMMENT '门店经营分析刻表'
partitioned by(dt STRING COMMENT '统计时间')
row format delimited fields terminated by ','
stored as orc
tblproperties ('orc.compress'='SNAPPY');需求说明:
销售、损耗、收货、要货指标从dws_goods_store_goods_statistics_quarter_i中汇总可得。 计算会员指标和余额支付指标其实就是筛选，从dwm_sold_goods_sold_dtl_i表中，count()和sum()符合条件的数值即可。 计算订单量 = 正常交易的订单 - 取消交易的订单，其中正常交易 trade_type=0， 取消交易 trade_type=5，用parent_order_no来计数。 is_online_order用来判断是否是线上，1线上，0线下 member_type用来判断会员类型， 0非会员,1线上会员,2实体卡会员
数据插入
-- 第一步: 先将之前已经算过的指标进行上卷统计得到新的结果
-- 第二步: 计算会员以及其他的指标
-- 第三步: 用第一张表 left join 第二张表即可
with t1 as (
select
-- 时间维度
trade_date,
week_trade_date,
month_trade_date,
hourly,
quarter,
quarters,
-- 门店维度
store_no,
store_name,
store_sale_type,
store_type_code,
worker_num,
store_area,
city_id,
region_code,
city_name,
region_name,
is_day_clear,
sum(order_num) as order_num,
sum(sale_qty) as sale_qty,
sum(sale_amount) as sale_amount,
sum(dis_amount) as dis_amount,
sum(sale_cost) as sale_cost,
sum(balance_amount) as balance_amount,
sum(cancel_sale_amount) as cancel_sale_amount,
sum(refund_sale_amount) as refund_sale_amount,
sum(online_order_num) as online_order_num,
sum(offline_order_num) as offline_order_num,
sum(online_sale_amount) as online_sale_amount,
sum(offline_sale_amount) as offline_sale_amount,
sum(online_sale_cost) as online_sale_cost,
sum(offline_sale_cost) as offline_sale_cost,
sum(loss_amount) as loss_amount,
sum(receipt_amount) as receipt_amount,
sum(require_amount) as require_amount
from dws.dws_goods_store_goods_statistics_quarter_i
group by
-- 时间维度
trade_date,
week_trade_date,
month_trade_date,
hourly,
quarter,
quarters,
-- 门店维度
store_no,
store_name,
store_sale_type,
store_type_code,
worker_num,
store_area,
city_id,
region_code,
city_name,
region_name,
is_day_clear
),
t2 as (
select
-- 时间维度
trade_date,
week_trade_date,
month_trade_date,
hourly,
quarter,
quarters,
-- 门店维度
store_no,
store_name,
store_sale_type,
store_type_code,
worker_num,
store_area,
city_id,
region_code,
city_name,
region_name,
is_day_clear,
count( if( trade_type = 0 and member_type = 1,parent_order_no,null)) - count( if( trade_type = 5 and member_type = 1,parent_order_no,null)) as ol_mem_order_num,
count( if( trade_type = 0 and member_type = 2,parent_order_no,null)) - count( if( trade_type = 5 and member_type = 2,parent_order_no,null)) as vip_mem_order_num,
sum( if( member_type = 1,sale_amount,0)) as ol_mem_sale_amount,
sum( if( member_type = 2,sale_amount,0)) as vip_mem_sale_amount,
sum( if( member_type = 1,sale_cost,0)) as ol_mem_sale_cost,
sum( if( member_type = 2,sale_cost,0)) as vip_mem_sale_cost,
count(distinct if(member_type = 1 and trade_type = 0, member_id,null)) as ol_mem_trade_num,
count(distinct if(member_type = 2 and trade_type = 0, member_id,null)) as vip_mem_trade_num,
sum(if(is_balance_consume = 1,balance_amount,0) ) as balance_sale_amount,
count(if(is_balance_consume = 1 and trade_type = 0,parent_order_no,null)) - count(if(is_balance_consume = 1 and trade_type = 5,parent_order_no,null)) as balance_order_num,
sum(if(is_balance_consume = 1,sale_cost,0) ) as balance_sale_cost,
count(distinct if(is_balance_consume = 1 and trade_type = 0,member_id,null)) as balance_people_num
from dwm.dwm_sold_goods_sold_dtl_i
group by
-- 时间维度
trade_date,
week_trade_date,
month_trade_date,
hourly,
quarter,
quarters,
-- 门店维度
store_no,
store_name,
store_sale_type,
store_type_code,
worker_num,
store_area,
city_id,
region_code,
city_name,
region_name,
is_day_clear
)
insert overwrite table dws.dws_store_manage_statistics_quarter_i partition (dt)
select
-- 时间维度
t1.trade_date,
t1.week_trade_date,
t1.month_trade_date,
t1.hourly,
t1.quarter,
t1.quarters,
-- 门店维度
t1.store_no,
t1.store_name,
t1.store_sale_type,
t1.store_type_code,
t1.worker_num,
t1.store_area,
t1.city_id,
t1.region_code,
t1.city_name,
t1.region_name,
t1.is_day_clear,
t1.order_num,
t1.sale_qty,
t1.sale_amount,
t1.dis_amount,
t1.sale_cost,
t1.balance_amount,
t1.cancel_sale_amount,
t1.refund_sale_amount,
t1.online_order_num,
t1.offline_order_num,
t1.online_sale_amount,
t1.offline_sale_amount,
t1.online_sale_cost,
t1.offline_sale_cost,
t1.loss_amount,
t1.receipt_amount,
t1.require_amount,
t2.ol_mem_order_num,
t2.vip_mem_order_num,
t2.ol_mem_sale_amount,
t2.vip_mem_sale_amount,
t2.ol_mem_sale_cost,
t2.vip_mem_sale_cost,
t2.ol_mem_trade_num,
t2.vip_mem_trade_num,
t2.balance_sale_amount,
t2.balance_order_num,
t2.balance_sale_cost,
t2.balance_people_num,
t1.trade_date as dt
from t1 left join t2 on t1.trade_date = t2.trade_date and t1.quarters = t2.quarters and t1.store_no = t2.store_no原文地址:https://blog.csdn.net/qq_52442855/article/details/134676969
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_5201.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
