工作笔记

最新推荐文章于 2024-12-23 15:24:46 发布

White Rhinoceros

最新推荐文章于 2024-12-23 15:24:46 发布

阅读量166

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/Hello_World0825/article/details/116665076

1.ip映射

导包

	<dependency>
         <groupId>org.lionsoul</groupId>
         <artifactId>ip2region</artifactId>
         <version>1.7.2</version>
    </dependency>

import org.apache.spark.SparkConf
import org.apache.spark.sql.{DataFrame, SparkSession, functions}
import org.lionsoul.ip2region.{DbConfig, DbSearcher}
import org.apache.spark.sql.types.StringType
case class ipTest()

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

    val conf = new SparkConf().setAppName("sss").setMaster("local[*]")
    val spark = SparkSession.builder().config(conf).getOrCreate()

    val frame:DataFrame = spark.read.csv("C:\\Users\\86186\\Desktop\\aa.csv").toDF("ip")
    
    //注册的udf是在withcolumn中使用
    val UDF = functions.udf(ipTest(_:String),StringType)
    import spark.implicits._
    frame.withColumn("provience",UDF($"ip")).show()

    //注册的udf是在sql中使用
    spark.udf.register("ipTest",ipTest(_:String))
    frame.createOrReplaceTempView("temp")
    spark.sql(
      """
        |select
        |ip,
        |ipTest(ip) as province
        |from temp
        |""".stripMargin).show()

  }
  def ipTest(ip:String) = {

    //根据ip进行位置信息搜索
    val config = new DbConfig

    //获取ip库的位置,集群环境下
    //    val dbfile = SparkFiles.get("ip2region.db")
    
    //本地
    val dbfile = "D:\\software\\idea\\WorkSpace\\SparkTestProject\\src\\main\\resources\\ip2region.db"
    val searcher = new DbSearcher(config, dbfile)

    //采用Btree搜索
    val block = searcher.btreeSearch(ip)
    val region: String = block.getRegion
    
    //打印位置信息（格式：国家|大区|省份|城市|运营商）
    println(region)
    //获取省份
    val province = region.split("\\|")(2)
    province
  }
}

2.Shell脚本
2.1使用shell脚本提交spark任务(类可以没有main方法)

#!/bin/bash
function spark_submit_jar() {
  $SPARK2/bin/spark-submit --class 主类 \
  --master yarn \
  --deploy-mode cluster \
  --driver-memory 1g \
  --driver-cores 2 \
  --num-executors 30 \
  --executor-memory 4G \
  --executor-cores 8 \
  jar/Artemis.jar 参数
}

spark_submit_jar

2.2idea编写的shell脚本上传到linux执行时报错
在这里插入图片描述报错信息
原因是windows和linux的结尾换行不一致
windows是\n\r，而linux是\n
解决办法是：sed -i ‘s/\r$//’ shellname.sh
将\r换成’’

3.Hive内部表和外部表

1.外部表建表语句
create EXTERNAL table if not EXISTS xiankan_completion_radio_null_si(
id int,
name string
)
partitioned by(time string)
row format delimited
fields terminated by '\t'
location 'hdfs:/path'


2.内部表与外部表的转换
alter table selfTable set TBLPROPERTIES('EXTERNAL'='false')//外部表转内部表
alter table selfTable set TBLPROPERTIES('EXTERNAL'='true')//内部表转外部表

3.添加或者删除分区
ALTER TABLE test_table ADD PARTITION (dt='20210510') location '/path/aa.txt' PARTITION (dt='20210509') location '/path/bb.txt';
ALTER TABLE test_table DROP PARTITION (dt='20210510');

4.hive使用lzo压缩
create  table  lzo_test(
     i  int ,
     s string)
     STORED  AS  INPUTFORMAT  'com.hadoop.mapred.DeprecatedLzoTextInputFormat'
     OUTPUTFORMAT  'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'

4.hdfs

创建多级目录
hadoop fs -mkdir -p 'hdfs:/a/b/c/d'
删除多级目录
hadoop fs -rm -r 'hdfs:/a/b/c/d'