文章目录
在 MySQL 中建立了表 order_info ，其字段信息如下所示：
+--------------------+------------------+------+-----+-------------------+-----------------------------+
| Field | Type | Null | Key | Default | Extra |
+--------------------+------------------+------+-----+-------------------+-----------------------------+
| order_id | int(10) unsigned | NO | PRI | NULL | auto_increment |
| order_sn | varchar(100) | NO | | NULL | |
| address | varchar(100) | NO | | NULL | |
| create_time | varchar(100) | NO | | NULL | |
| pay_time | varchar(100) | NO | | NULL | |
+--------------------+------------------+------+-----+-------------------+-----------------------------+
除了 order_id 字段，其余字段类型都为 varchar(100)。
根据 create_time 降序查询前 20 列，输出结果如下：
+----------+------------------+----------------------------------------------------------------------------------------+----------------+----------------+
| order_id | order_sn | address | create_time | pay_time |
+----------+------------------+----------------------------------------------------------------------------------------+----------------+----------------+
| 36876 | 2022091196411460 | 江苏省南京市中央路2014271号第一层110店铺11层 | 20220911220617 | NULL |
| 36877 | 2022091196411460 | 江苏省南京市中央路2014271号第一层110店铺11层 | 20220911220617 | 20220911232917 |
| 36878 | 2022091196411460 | 江苏省南京市中央路2014271号第一层110店铺11层 | 20220911220617 | 20220911232917 |
| 36879 | 2022091196411460 | 江苏省南京市中央路2014271号第一层110店铺11层 | 20220911220617 | 20220911232917 |
| 36880 | 2022091196411460 | 江苏省南京市中央路2014271号第一层110店铺11层 | 20220911220617 | 20220911232917 |
| 36798 | 2022091196213791 | 江苏省昆山市柏庐南路9991713号商业街商铺11713号13层 | 20220911220552 | NULL |
| 36799 | 2022091196213791 | 江苏省昆山市柏庐南路9991713号商业街商铺11713号13层 | 20220911220552 | 20220912115152 |
| 36800 | 2022091196213791 | 江苏省昆山市柏庐南路9991713号商业街商铺11713号13层 | 20220911220552 | 20220912115152 |
| 36801 | 2022091196213791 | 江苏省昆山市柏庐南路9991713号商业街商铺11713号13层 | 20220911220552 | 20220912115152 |
| 36811 | 2022091010006041 | 江苏省南京市中山路3213071号鼓楼医院南扩新院区门诊大楼一楼5层 | 20220911220057 | NULL |
| 36812 | 2022091010006041 | 江苏省南京市中山路3213071号鼓楼医院南扩新院区门诊大楼一楼5层 | 20220911220057 | 20220912103157 |
| 36813 | 2022091010006041 | 江苏省南京市中山路3213071号鼓楼医院南扩新院区门诊大楼一楼5层 | 20220911220057 | 20220912103157 |
| 36814 | 2022091010006041 | 江苏省南京市中山路3213071号鼓楼医院南扩新院区门诊大楼一楼5层 | 20220911220057 | 20220912103157 |
| 37448 | 2022091154427501 | 上海市上海市杨树浦路26887789号上海国际时尚中心18层 | 20220911213924 | NULL |
| 37449 | 2022091154427501 | 上海市上海市杨树浦路26887789号上海国际时尚中心18层 | 20220911213924 | 20220912115924 |
| 37450 | 2022091154427501 | 上海市上海市杨树浦路26887789号上海国际时尚中心18层 | 20220911213924 | 20220912115924 |
| 37451 | 2022091154427501 | 上海市上海市杨树浦路26887789号上海国际时尚中心18层 | 20220911213924 | 20220912115924 |
| 37227 | 2022091178845429 | 浙江省宁波市鄞州区四明中路9996584号万达广场银泰百货1F15层 | 20220911212820 | NULL |
| 37228 | 2022091178845429 | 浙江省宁波市鄞州区四明中路9996584号万达广场银泰百货1F15层 | 20220911212820 | 20220912110220 |
| 37229 | 2022091178845429 | 浙江省宁波市鄞州区四明中路9996584号万达广场银泰百货1F15层 | 20220911212820 | 20220912110220 |
+----------+------------------+----------------------------------------------------------------------------------------+----------------+----------------+
可以在这里看到原始数据的形态。
现在我对这个问题进行复现，在下面这段代码里，我在 Hive 中的 ods 层建立了 MySQL 的对应表 order_info，其字段信息如下所示：
order_id int
order_sn string
address string
create_time string
pay_time string
etl_date string
同样除了 order_id 字段，其余字段类型都为 string，其中 etl_date 字段为该表的分区字段。
import org.apache.spark.sql.SparkSession
object Test{
def main(args: Array[String]): Unit = {
val spark: SparkSession = SparkSession
.builder()
.appName("Test")
.master("local[*]")
.enableHiveSupport()
.getOrCreate()
// TODO 读取 MySQL 表数据
spark.read.format("jdbc")
.option("driver", "com.mysql.jdbc.Driver")
.option("url", "jdbc:mysql://localhost:3306/test?useSSL=false&useUnicode=true&characterEncoding=utf8")
.option("user", "root")
.option("password", "123456")
.option("dbtable", "order_info")
.load()
.createOrReplaceTempView("order_info")
// TODO 在 Hive 中 ods 层创建表
spark.sql("create database if not exists ods")
spark.sql("drop table if exists ods.order_info")
spark.sql(
"""
|create table ods.order_info(
| order_id int,
| order_sn string,
| address string,
| create_time string,
| pay_time string)
|partitioned by(etl_date string)
|row format delimited fields terminated by ','
|""".stripMargin)
// TODO 往表中写入数据
spark.sql(
"""
|insert into ods.order_info partition(etl_date="20230425")
|select
| order_id,
| order_sn,
| address,
| create_time,
| pay_time
|from
| order_info
|""".stripMargin)
// TODO 读取写入的数据
spark.sql(
"""
|select
| order_id,
| order_sn,
| address,
| create_time,
| pay_time
|from
| ods.order_info
|where
| order_sn = "2022031949619563"
|""".stripMargin).show(20,truncate = false)
spark.stop()
}
}
抽取完成后，在 Hive 中查询 order_info 表订单编号值为 2022031949619563 的数据，输出结果如下：
+--------+----------------+-----------------------------------------------------------+-----------+--------------+
|order_id|order_sn |address |create_time|pay_time |
+--------+----------------+-----------------------------------------------------------+-----------+--------------+
|688 |2022031949619563|浙江省杭州市教工路264370号世贸丽晶城欧美中心24370号楼G区107 |108室13层 |20220320184807|
|689 |2022031949619563|浙江省杭州市教工路264370号世贸丽晶城欧美中心24370号楼G区107 |108室13层 |20220320184807|
|690 |2022031949619563|浙江省杭州市教工路264370号世贸丽晶城欧美中心24370号楼G区107 |108室13层 |20220320184807|
|691 |2022031949619563|浙江省杭州市教工路264370号世贸丽晶城欧美中心24370号楼G区107 |108室13层 |20220320184807|
+--------+----------------+-----------------------------------------------------------+-----------+--------------+
我们会发现，其中 create_time 的值变成了一个中文字符串。
我们去 MySQL 源数据中核查一下该订单编号的数据，查询结果如下：
+----------+------------------+-----------------------------------------------------------------------------------------------+----------------+----------------+
| order_id | order_sn | address | create_time | pay_time |
+----------+------------------+-----------------------------------------------------------------------------------------------+----------------+----------------+
| 688 | 2022031949619563 | 浙江省杭州市教工路264370号世贸丽晶城欧美中心24370号楼G区107,108室13层 | 20220320184807 | NULL |
| 689 | 2022031949619563 | 浙江省杭州市教工路264370号世贸丽晶城欧美中心24370号楼G区107,108室13层 | 20220320184807 | 20220321044607 |
| 690 | 2022031949619563 | 浙江省杭州市教工路264370号世贸丽晶城欧美中心24370号楼G区107,108室13层 | 20220320184807 | 20220321044607 |
| 691 | 2022031949619563 | 浙江省杭州市教工路264370号世贸丽晶城欧美中心24370号楼G区107,108室13层 | 20220320184807 | 20220321044607 |
+----------+------------------+-----------------------------------------------------------------------------------------------+----------------+----------------+
可以通过上下文对比轻松发现问题，数据抽取完成后，字段值出现了异常，那么为什么会这样呢？
这是由于我们在创建 Hive 对应表时指定的字段分隔符是逗号 ","，所以在写入数据时，会默认将逗号作为字段分隔符。
spark.sql(
"""
|create table ods.order_info(
| order_id int,
| order_sn string,
| address string,
| create_time string,
| pay_time string)
|partitioned by(etl_date string)
|row format delimited fields terminated by ','
|""".stripMargin)
这里导致了字段 address 中的逗号被识别成了字段间隔符，在那之后的字段整体发生了错位，产生了数据异常。
替换成其它分隔符
不指定分隔符，用 Hive 的默认分隔符 \u0001。
在问题复现这里我们可以很容易的发现问题产生的原因，在实际开发中，字段特别多，而且不一定每个字段都会使用到，我这里是因为使用了发生错误的字段，所以才发现了这个问题，提醒各位在建表时需要格外注意指定的字段分隔符。
虽然是个很小的 BUG，但是往往容易错的就是这种小 BUG！
可恶，又是两个小时！
我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div
我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看rubyzip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d
类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc
很好奇，就使用rubyonrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提
假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？ 最佳答案 三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于
我正在尝试使用ruby和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我
关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。
我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗？当我运行compasswatch时，它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行？文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们？我自己编译的.sass文件编译成compiled/t
我想将html转换为纯文本。不过，我不想只删除标签，我想智能地保留尽可能多的格式。为插入换行符标签，检测段落并格式化它们等。输入非常简单，通常是格式良好的html(不是整个文档，只是一堆内容，通常没有anchor或图像)。我可以将几个正则表达式放在一起，让我达到80%，但我认为可能有一些现有的解决方案更智能。 最佳答案 首先，不要尝试为此使用正则表达式。很有可能你会想出一个脆弱/脆弱的解决方案，它会随着HTML的变化而崩溃，或者很难管理和维护。您可以使用Nokogiri快速解析HTML并提取文本:require'nokogiri'h
我想为Heroku构建一个Rails3应用程序。他们使用Postgres作为他们的数据库，所以我通过MacPorts安装了postgres9.0。现在我需要一个postgresgem并且共识是出于性能原因你想要pggem。但是我对我得到的错误感到非常困惑当我尝试在rvm下通过geminstall安装pg时。我已经非常明确地指定了所有postgres目录的位置可以找到但仍然无法完成安装:$envARCHFLAGS='-archx86_64'geminstallpg--\--with-pg-config=/opt/local/var/db/postgresql90/defaultdb/po