背景
业务系统库数据迁移到Hadoop平台做分析要涉及到所有迁入的表结构要类型和表结构语句的更改，部分表字段可能两三百个字段，对程序员来说捉行手动修改简直始终煎熬。。。
表结构
mysql
`id` int(10) unsigned NOT NULL AUTO_INCREMENT,
`city_id` int(11) NOT NULL DEFAULT '0' COMMENT '大区ID',
`presona_id` int(11) NOT NULL DEFAULT '0' COMMENT '营业部ID',
`submit_pre_id` int(11) NOT NULL DEFAULT '0' COMMENT '提交人ID',
`submit_pre_name` varchar(20) NOT NULL DEFAULT '0' COMMENT '提交人姓名',
`pieces_sub_type` tinyint(4) NOT NULL DEFAULT '0' COMMENT '判断贷款信息是否提交过',
`personal_sub_type` tinyint(4) NOT NULL DEFAULT '0' COMMENT '判断个人信息是否添加过',
`product_sub_type` tinyint(4) NOT NULL DEFAULT '0' COMMENT '判断房产信息是否添加过',
`work_sub_type` tinyint(4) NOT NULL DEFAULT '0' COMMENT '判断工作信息是否添加过',
`link_sub_type` tinyint(4) NOT NULL DEFAULT '0' COMMENT '判断联系人信息是否添加',
`bank_sub_type` tinyint(4) NOT NULL DEFAULT '0' COMMENT '人行报告信息是否添加',
`client_mes_id` int(11) NOT NULL DEFAULT '0' COMMENT '客户基本信息ID',
`use` tinyint(4) NOT NULL DEFAULT '0' COMMENT '贷款用途',
`use_other` varchar(20) NOT NULL DEFAULT '0',
`count` int(11) NOT NULL DEFAULT '0' COMMENT '申请额度',
`highest` int(11) NOT NULL DEFAULT '0' COMMENT '最高还款金额',
`education` tinyint(4) NOT NULL DEFAULT '0' COMMENT '学历',
`email` varchar(50) NOT NULL COMMENT '邮箱',
`account_place_p` varchar(15) NOT NULL DEFAULT '0' COMMENT '户口所在地/省',
`account_place_c` varchar(30) NOT NULL DEFAULT '0' COMMENT '户口所在地/市',
`account_place_other` varchar(90) NOT NULL DEFAULT '' COMMENT '户口所在地/详细',
`account_id` varchar(10) NOT NULL DEFAULT '0' COMMENT '户口所在地邮编',
`now_place_p` varchar(15) NOT NULL DEFAULT '0' COMMENT '现居住地/省',
`now_place_c` varchar(30) NOT NULL DEFAULT '0' COMMENT '现居住地/市',
`now_place_other` varchar(60) NOT NULL DEFAULT '0' COMMENT '现居住地/详细',
`now_place_id` varchar(10) NOT NULL DEFAULT '0' COMMENT '现居住地邮编',
`marriage` tinyint(4) NOT NULL DEFAULT '0' COMMENT '婚姻状态0未婚1已婚2离异3丧偶',
`is_child` tinyint(4) NOT NULL DEFAULT '0' COMMENT '有无子女/1.有2.无',
`phone_log` tinyint(4) NOT NULL DEFAULT '0' COMMENT '有无电话详单0无 1有',
`house_type` tinyint(4) NOT NULL DEFAULT '0' COMMENT '住宅类型1234567',
`house_other` varchar(20) DEFAULT NULL COMMENT '住宅类型描述',
`house_pay` int(11) NOT NULL DEFAULT '0' COMMENT '住宅月还款/住在租金',
`city` varchar(20) NOT NULL DEFAULT '0' COMMENT '所在城市',
hive
`id` int ,
`city_id` int COMMENT '大区ID',
`presona_id` int COMMENT '营业部ID',
`submit_pre_id` int COMMENT '提交人ID',
`submit_pre_name` string COMMENT '提交人姓名',
`pieces_sub_type` tinyint COMMENT '判断贷款信息是否提交过',
`personal_sub_type` tinyint COMMENT '判断个人信息是否添加过',
`product_sub_type` tinyint COMMENT '判断房产信息是否添加过',
`work_sub_type` tinyint COMMENT '判断工作信息是否添加过',
`link_sub_type` tinyint COMMENT '判断联系人信息是否添加',
`bank_sub_type` tinyint COMMENT '人行报告信息是否添加',
`client_mes_id` int COMMENT '客户基本信息ID',
`use` tinyint COMMENT '贷款用途',
`use_other` string ,
`count` int COMMENT '申请额度',
`highest` int COMMENT '最高还款金额',
`education` tinyint COMMENT '学历',
`email` string COMMENT '邮箱',
`account_place_p` string COMMENT '户口所在地/省',
`account_place_c` string COMMENT '户口所在地/市',
`account_place_other` string COMMENT '户口所在地/详细',
`account_id` string COMMENT '户口所在地邮编',
`now_place_p` string COMMENT '现居住地/省',
`now_place_c` string COMMENT '现居住地/市',
`now_place_other` string COMMENT '现居住地/详细',
`now_place_id` string COMMENT '现居住地邮编',
`marriage` tinyint COMMENT '婚姻状态0未婚1已婚2离异3丧偶',
`is_child` tinyint COMMENT '有无子女/1.有2.无',
`phone_log` tinyint '有无电话详单0无 1有',
`house_type` tinyint COMMENT '住宅类型1234567',
`house_other` string COMMENT '住宅类型描述',
`house_pay` int COMMENT '住宅月还款/住在租金',
`city` string COMMENT '所在城市',
实现
我们用Spark core的算子根据mysql表结构生成hive表结构，从此遇见几百个字段表的生成不再桑心~~ 把spark作为一个工具是多么爽的一件事，API
/**
* Created by Michael on 2017/2/23.
*/
object abstract_columms {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setAppName("mobike_gps").setMaster("local")
val sc = new SparkContext(conf)
val result = sc.textFile("C://work//data//select_eagle_intopieces.sql")
val tableName =
result.map(x=>{
val line = x.split(" ")
val col = line(0) //字段名称
val col_type = line(1) //字段类型
var comment = "" //字段注释
if(x.contains("COMMENT")){
comment = line(line.length-2)+" "+line(line.length-1) //字段注释
}else{
comment = ","
}
var hive_type = ""
if(col_type.startsWith("int") || col_type.startsWith("smallint") || col_type.startsWith("mediumint") ){ hive_type = "int"}
else if(col_type.startsWith("varchar") || col_type.startsWith("char")){ hive_type = "string"}
else if(col_type.startsWith("tinyint")){ hive_type = "tinyint"}
else if(col_type.startsWith("double")){ hive_type = "double"}
else if(col_type.startsWith("decimal")){ hive_type = "decimal"}
else if(col_type.startsWith("float") ){ hive_type = "float"}
else hive_type = "不匹配"
col+" "+hive_type+" "+comment
}
).saveAsTextFile("C://work//data//select_eagle_intopieces_result.sql")
//.foreach(x=>println(x))
}
}
FAQ
1.spark windows开发报错如下：
17/02/21 09:03:38 WARN : Your hostname, DESKTOP-CPHJP6L resolves to a loopback/non-reachable address: fe80:0:0:0:68ad:1d41:9a4d:2e7a%27, but we couldn't find any external IP address!
17/02/21 09:03:38 WARN DAGScheduler: Creating new stage failed due to exception - job: 0
org.apache.hadoop.mapred.InvalidInputException: Input path does not exist: file:/C:/work/data/word.txt
at org.apache.hadoop.mapred.FileInputFormat.singleThreadedListStatus(FileInputFormat.java:285)
at org.apache.hadoop.mapred.FileInputFormat.listStatus(FileInputFormat.java:228)
at org.apache.hadoop.mapred.FileInputFormat.getSplits(FileInputFormat.java:313)
at org.apache.spark.rdd.HadoopRDD.getPartitions(HadoopRDD.scala:207)
at org.apache.spark.rdd.RDD$$anonfun$partitions$2.apply(RDD.scala:239)
解决：pom文件指定的hadoop版本和window本地版本不一致
