基于hadoop生态圈的数据仓库实践 —— OLAP与数据可视化（六）

    本节先用Impala、DB查询示例说明Hue的数据查询和可视化功能，然后交互式地建立一个定期执行销售订单示例ETL任务的工作流，说明在Hue里是如何操作Oozie工作流引擎的。

    在Impala OLAP实例一节中执行了一些查询，现在在Hue里执行查询，直观看一下结果的图形化表示效果。

-- 按产品分类查询销售量和销售额
select t2.product_category pro_category,    
       sum(order_quantity) sum_quantity,  
       sum(order_amount) sum_amount   
  from sales_order_fact t1, product_dim t2  
 where t1.product_sk = t2.product_sk  
 group by pro_category  
 order by pro_category; 

-- 按产品查询销售量和销售额
select t2.product_name pro_name,    
       sum(order_quantity) sum_quantity,  
       sum(order_amount) sum_amount   
  from sales_order_fact t1, product_dim t2  
 where t1.product_sk = t2.product_sk  
 group by pro_name  
 order by pro_name;

    点击“执行”按钮，结果显示按产品分类的销售统计，如下图所示。接着点击“下一页”按钮，结果会显示按产品的销售统计。

    产品统计结果如下图所示。

    产品统计柱状图如下图所示。

    从图中可以看到，按销售额从大到小排序的产品依次为Hard Disk Drive、Floppy Drive、Flat Panel、Keyboard和LCD Panel。

-- 按州查询销售量和销售额
select t3.state state,  
       count(distinct t2.customer_sk) sum_customer_num,  
       sum(order_amount) sum_order_amount   
  from sales_order_fact t1  
 inner join customer_dim t2 on t1.customer_sk = t2.customer_sk  
 inner join customer_zip_code_dim t3 on t1.customer_zip_code_sk = t3.zip_code_sk  
 group by state
 order by state;
 
-- 按城市查询销售量和销售额
select t3.city city,  
       count(distinct t2.customer_sk) sum_customer_num,  
       sum(order_amount) sum_order_amount   
  from sales_order_fact t1  
 inner join customer_dim t2 on t1.customer_sk = t2.customer_sk  
 inner join customer_zip_code_dim t3 on t1.customer_zip_code_sk = t3.zip_code_sk  
 group by city  
 order by city;

    城市统计饼图如下图所示。

    从图中可以看到，mechanicsburg市的销售占整个销售额的一半。

-- 按年月查询销售量和销售额
select t4.year*100 + t4.month ym,  
       sum(order_quantity) sum_quantity,  
       sum(order_amount) sum_amount   
  from sales_order_fact t1    
 inner join order_date_dim t4 on t1.order_date_sk = t4.date_sk 
 where (t4.year*100 + t4.month) between $ym1 and $ym2 
 group by ym
 order by ym;

    注意$ym1和$ym2是动态参数，执行此查询，会出现输入框要求输入参数，如下图所示。

    查询2016一年的销售情况，ym1输入201601，ym2输入201612，然后点击“执行查询”，结果线形图如下图所示。

    此结果按查询语句中的order by子句排序。

    至此，我们定义了三个Impala查询，进入“我的文档”页面可以看到default项目中有三个文档，而“销售订单”项目中没有文档，如下图所示。

    点击右面列表中的“default”按钮，会弹出“移动到某个项目”页面，点击“销售订单”，如下图所示。

    将三个查询文档都如此操作后，在“销售订单”项目中会出现此三个文档，如下图所示。

    以上用销售订单的例子演示了一下Hue中的Impala查询及其图形化表示。严格地说，无论是Hue还是Zeppelin，在数据可视化上与传统的BI产品相比还很初级，它们只是提供了几种常见的图表，还缺少基本的上卷、下钻、切块、切片、百分比等功能，如果只想用Hadoop生态圈里的数据可视化工具，也只能期待其逐步完善吧。

    缺省情况下Hue没有启用DB查询，如果点击“Query Editors” -> “DB 查询”，会提示“当前没有已配置的数据库。”，如下图所示。

    按如下方法配置DB查询。

[librdbms]
  [[databases]]
    [[[mysql]]]
      # Name to show in the UI.
      nice_name="MySQL DB"
      name=hive
      engine=mysql
      host=172.16.1.102
      port=3306
      user=root
      password=mypassword

    这里配置的是一个MySQL数据库，如下图所示。

    此时再次在Hue里点击“Query Editors” -> “DB 查询”，则会出现MySQL中hive库表，此库存放的是Hive元数据。此时就可以输入SQL进行查询了，如下图所示。

    下面说明建立工作流的详细步骤。

    从图中看到，工作流预定义了16种操作，而且Start、End、Kill节点已经存在，不需要（也不能）自己定义。

hdfs dfs -put -f /root/mysql-connector-java-5.1.38/mysql-connector-java-5.1.38-bin.jar /user/hue/oozie/workspaces/hue-oozie-1472779112.59
hdfs dfs -put -f /etc/hive/conf.cloudera.hive/hive-site.xml /user/hue/oozie/workspaces/hue-oozie-1472779112.59
hdfs dfs -put -f /root/regular_etl.sql /user/hue/oozie/workspaces/hue-oozie-1472779112.59
hdfs dfs -put -f /root/month_sum.sql /user/hue/oozie/workspaces/hue-oozie-1472779112.59

    可以看到，因为三个Sqoop并行处理，所以工作流中自动添加了fork节点和join节点。

    第一个“Sqoop 1”操作改名为“sqoop-customer”

    a. Sqoop 命令填写如下命令，用import全量装载客户表：

import --connect jdbc:mysql://cdh1:3306/source?useSSL=false --username root --password mypassword --table customer --hive-import --hive-table rds.customer --hive-overwrite

    b. 点击“文件”，在“选择文件”页面点击“工作区”，选择hive-site.xml文件。

    c. 再次点击“文件”，在“选择文件”页面点击“工作区”，选择mysql-connector-java-5.1.38-bin.jar文件。

    第二个“Sqoop 1”操作改名为“sqoop-product”

    a. Sqoop 命令填写如下命令，用import全量装载产品表：

import --connect jdbc:mysql://cdh1:3306/source?useSSL=false --username root --password mypassword --table product --hive-import --hive-table rds.product --hive-overwrite

    b. 点击“文件”，在“选择文件”页面点击“工作区”，选择hive-site.xml文件。

    c. 再次点击“文件”，在“选择文件”页面点击“工作区”，选择mysql-connector-java-5.1.38-bin.jar文件。

    第三个“Sqoop 1”操作改名为“sqoop-sales\_order”

    a. Sqoop 命令填写如下命令，用job增量装载销售订单表：

job --exec myjob_incremental_import --meta-connect jdbc:hsqldb:hsql://cdh2:16000/sqoop

    b. 点击“文件”，在“选择文件”页面点击“工作区”，选择hive-site.xml文件。

    c. 再次点击“文件”，在“选择文件”页面点击“工作区”，选择mysql-connector-java-5.1.38-bin.jar文件。

    至此我们的regular\_etl工作流已经定义完成，点击

    前面的步骤定义了Workflow工作流，要让它定时执行还要定义Coordinator工作流。

    至此我们的Coordinator工作流已经定义完成，现在的工作流在非编辑模式下如下图所示。