构建 hive 时间维表-CSDN博客

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 = 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

1. 初始化 abs_week_num、rel_week_num 为 1rel_year 为 1970
2. 如果是周一abs_week_num 加 1rel_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