spark读写Oracle、hive的艰辛之路（一）

前两天工作需求，要通过给的几个Oracle的视图把数据入到hive库中，很遗憾，使用的华为云平台的集区环境中并没有sqoop1，当然也并没有sqoop2，所以，想到的解决方案是使用spark读取Oracle在写入到hive表中；

1、首先，沟通了一个星期的数据库接口，是的，就是一个星期；拿到的结果为 10.111.50.7:1521/DB2，当然，数据库ip和服务名是我乱写的一个，格式是这样的；

　　还附带了一条查询语句：select * from jzwh.ALARMS 就完了，这就完了？事实上并不是，在生产环境中但凡提到有ip，端口，就要考虑有没有防火墙的问题，我们这里是有的。。

　　一般都会有的，当然这不属于开发的任务，需要相关同事提交申请，不累述了；

2、拿到接口之后代码如下：注：我使用的版本为spark 2.1.0，scala 2.11.8；spark2.0之前没有sparksession，2.0之前的版本的同学还请自行使用hiveContext

object dy_alarm_oracle2hive {
  val spark = SparkSession.builder().appName("view2hive")
    .enableHiveSupport().getOrCreate()

  import spark.sql

  def main(args: Array[String]): Unit = {

    OracleDateTypeInit.oracleInit()
    val orclUrl = "jdbc:oracle:thin:@//10.111.11.1:1521/DYDB2";//用ip不用加@
    val orclProperties = new Properties()
    orclProperties.setProperty("user", "user")
    orclProperties.setProperty("password", "password")
    orclProperties.setProperty("driver", "oracle.jdbc.driver.OracleDriver")

    val predicates_day_hour = mk_predicates_day_hour()

    //表名可以使用子查询的方式
    val table_name = s"(select * from jzwh.ALARM union all select * from jzwh.ALARM_history) a"

    spark.read.jdbc(orclUrl,table_name,predicates_day_hour,orclProperties)
      .createOrReplaceTempView("ALARMS")

    insertTable("bx_alarm")
 }

  def insertTable(table_name:String): Unit ={
    val day = TimeTools.getTimeByNowDay(-1)
    sql(
      s"""
         |insert overwrite table ${table_name} partition(p_day=${day})
         |select *
         | from ALARMS
      """.stripMargin)
  }

  def mk_predicates_day_hour():scala.Array[scala.Predef.String] = {
    val day_1 = TimeTools.getTimeByNowDay_(-1)
    val day = TimeTools.getTimeByNowDay_(0)
    /*返回值例子：
    *EVENTTIME >= to_date('2018-08-07 00','YYYY-MM-dd HH24') and EVENTTIME < to_date('2018-08-07 01','yyyy-MM-dd HH24')
    * 注意判断23点到第二天的00点特殊情况
    * */
    val predicates_day_hour = (0 to 23).map {
      i => {
        if(i < 23){
          (if (i < 10) s"${day_1} 0${i}" else s"${day_1} ${i}") -> (if ((i + 1) < 10) s"${day_1} 0${i + 1}" else s"${day_1} ${i + 1}")
        }else{
          s"${day_1} 23" -> s"${day} 00"
        }
      }
    }.map{
      case (start,end) => s" EVENTTIME >= to_date('${start}','YYYY-MM-dd HH24') and EVENTTIME < to_date('${end}','yyyy-MM-dd HH24')"
    }.toArray
    //返回scala.Array[scala.Predef.String]类型结果
    predicates_day_hour
  }

}

使用到的几个工具类：

也是网上找的；

TimeTools ：获取日期的工具类

public class TimeTools {
    //获取当前时间的前后几个小时
    public static String getTimeByHour(int hour) {
        Calendar calendar = Calendar.getInstance();
        calendar.set(Calendar.HOUR_OF_DAY, calendar.get(Calendar.HOUR_OF_DAY) + hour);
        return new SimpleDateFormat("yyyy-MM-dd HH").format(calendar.getTime());
    }

    //获取当前日期
    public static String getTimeByNowDay(int day) {
        Calendar calendar = Calendar.getInstance();
        calendar.set(Calendar.DATE, calendar.get(Calendar.DATE) + day);
        return new SimpleDateFormat("yyyyMMdd").format(calendar.getTime());
    }
    //获取当前日期
    public static String getTimeByNowDay_(int day) {
        Calendar calendar = Calendar.getInstance();
        calendar.set(Calendar.DATE, calendar.get(Calendar.DATE) + day);
        return new SimpleDateFormat("yyyy-MM-dd").format(calendar.getTime());
    }

    //获取当前时间的前后几分钟
    public static String getTimeByMinute(int minute) {
        Calendar calendar = Calendar.getInstance();
        calendar.add(Calendar.MINUTE, minute);
        return new SimpleDateFormat("yyyy-MM-dd HH:mm:ss").format(calendar.getTime());
    }
}