基于hadoop生态圈的数据仓库实践 —— OLAP与数据可视化(六)

本文介绍了如何使用Hue进行Impala查询和数据可视化,并展示了如何配置DB查询来查询MySQL数据库。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

基于hadoop生态圈的数据仓库实践 —— OLAP与数据可视化(六)

  1362人阅读  评论(4)  收藏  举报
  分类:
六、Hue数据可视化实例
        本节用Impala、DB查询示例说明Hue的数据查询和可视化功能。
1. Impala查询
        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。
(1)登录Hue,点击 图标进入“我的文档”页面。
(2)点击 创建一个名为“销售订单”的新项目。
(3)点击 进入Impala查询编辑页面,创建一个新的Impala文档。
(4)在Impala查询编辑页面,选择olap库,然后在编辑窗口输入下面的查询语句。
[sql]  view plain  copy
  在CODE上查看代码片 派生到我的代码片
  1. -- 按产品分类查询销售量和销售额  
  2. select t2.product_category pro_category,      
  3.        sum(order_quantity) sum_quantity,    
  4.        sum(order_amount) sum_amount     
  5.   from sales_order_fact t1, product_dim t2    
  6.  where t1.product_sk = t2.product_sk    
  7.  group by pro_category    
  8.  order by pro_category;   
  9.   
  10. -- 按产品查询销售量和销售额  
  11. select t2.product_name pro_name,      
  12.        sum(order_quantity) sum_quantity,    
  13.        sum(order_amount) sum_amount     
  14.   from sales_order_fact t1, product_dim t2    
  15.  where t1.product_sk = t2.product_sk    
  16.  group by pro_name    
  17.  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。

(5)点击  “全屏查看结果”按钮,会全屏显示查询结果。

        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。

(6)回到查询编辑页,点击“另存为...”按钮,保存成名为“按产品统计”的查询。
(7)点击“新查询”按钮,按同样的方法再建立一个“按地区统计”的查询。SQL语句如下:
[sql]  view plain  copy
  在CODE上查看代码片 派生到我的代码片
  1. -- 按州查询销售量和销售额  
  2. select t3.state state,    
  3.        count(distinct t2.customer_sk) sum_customer_num,    
  4.        sum(order_amount) sum_order_amount     
  5.   from sales_order_fact t1    
  6.  inner join customer_dim t2 on t1.customer_sk = t2.customer_sk    
  7.  inner join customer_zip_code_dim t3 on t1.customer_zip_code_sk = t3.zip_code_sk    
  8.  group by state  
  9.  order by state;  
  10.    
  11. -- 按城市查询销售量和销售额  
  12. select t3.city city,    
  13.        count(distinct t2.customer_sk) sum_customer_num,    
  14.        sum(order_amount) sum_order_amount     
  15.   from sales_order_fact t1    
  16.  inner join customer_dim t2 on t1.customer_sk = t2.customer_sk    
  17.  inner join customer_zip_code_dim t3 on t1.customer_zip_code_sk = t3.zip_code_sk    
  18.  group by city    
  19.  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。

(8)再建立一个“按年月统计”的查询,这次使用动态表单功能,运行时输入年份。SQL语句如下。
[sql]  view plain  copy
  在CODE上查看代码片 派生到我的代码片
  1. -- 按年月查询销售量和销售额  
  2. select t4.year*100 + t4.month ym,    
  3.        sum(order_quantity) sum_quantity,    
  4.        sum(order_amount) sum_amount     
  5.   from sales_order_fact t1      
  6.  inner join order_date_dim t4 on t1.order_date_sk = t4.date_sk   
  7.  where (t4.year*100 + t4.monthbetween $ym1 and $ym2   
  8.  group by ym  
  9.  order by ym;  
        注意$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。
(9)把这三个文档移动到“销售订单”项目中。
        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。

(10)最后提供一个Hue文档中通过经纬度进行地图定位的示例,其截图如下所示。

2. DB查询
        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。
(1)进入CDH Manager的“Hue” -> “配置”页面,在“类别中选择“服务范围” -> “高级”,然后编辑“hue_safety_valve.ini 的 Hue 服务高级配置代码段(安全阀)”配置项,填写类似如下内容:
[plain]  view plain  copy
  在CODE上查看代码片 派生到我的代码片
  1. [librdbms]  
  2.   [[databases]]  
  3.     [[[mysql]]]  
  4.       # Name to show in the UI.  
  5.       nice_name="MySQL DB"  
  6.       name=hive  
  7.       engine=mysql  
  8.       host=172.16.1.102  
  9.       port=3306  
  10.       user=root  
  11.       password=mypassword  
        这里配置的是一个MySQL数据库,如下图所示。

 (2)点击“保存更改”按钮,然后点击“操作” -> “重启”,重启Hue服务。

        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。


1
0
 
 
我的同类文章

参考知识库

img
Hadoop知识库

img
MySQL知识库

猜你在找
Hadoop生态系统零基础入门
Hadoop 2.X大数据平台基础
MySQL SQL优化及高可用公开课视频分享
基于MyCat的MySQL高可用读写分离集群
Spring实战-使用SSH框架技术开发学籍管理系统
基于Hadoop生态圈的数据仓库实践 进阶技术十四
基于Hadoop生态圈的数据仓库实践 ETL二
基于hadoop生态圈的数据仓库实践 进阶技术十六
基于Hadoop生态圈的数据仓库实践 进阶技术五
基于Hadoop生态圈的数据仓库实践 概述一
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值