PyODPS读取分区表数据

本文为您介绍如何通过PyODPS读取分区表数据。

1. 准备测试数据。
   1. 创建表并上传数据。操作方法请参见建表并上传数据。
      表结构以及源数据信息如下。

      • 分区表user_detail建表语句如下。

        create table if not exists user_detail
        (
        userid    BIGINT comment '用户id',
        job       STRING comment '工作类型',
        education STRING comment '教育程度'
        ) comment '用户信息表'
        partitioned by (dt STRING comment '日期',region STRING comment '地区');

      • 源数据表user_detail_ods建表语句如下。

        create table if not exists user_detail_ods
        (
          userid    BIGINT comment '用户id',
          job       STRING comment '工作类型',
          education STRING comment '教育程度',
          dt STRING comment '日期',
          region STRING comment '地区'
        );

      • 测试数据保存为user_detail.txt文件。将此文件上传至表user_detail_ods中。

        0001,互联网,本科,20190715,beijing
        0002,教育,大专,20190716,beijing
        0003,金融,硕士,20190715,shandong
        0004,互联网,硕士,20190715,beijing

   2. 右键单击业务流程，选择新建 > ODPS SQL。
   3. 输入节点名称，并单击提交。
   4. 在ODPS SQL节点中输入如下代码。

      insert overwrite table user_detail partition (dt,region)
      select userid,job,education,dt,region from user_detail_ods;

   5. 单击运行，将数据插入到分区表user_detail中。
2. 使用PyODPS读取分区表数据。
   1. 登录DataWorks控制台。
   2. 在左侧导航栏上单击工作空间列表。
   3. 单击工作空间后的进入数据开发。
   4. 在数据开发页面，右键单击已经创建的业务流程，选择新建 > MaxCompute > PyODPS 2。
   5. 输入节点名称，单击提交。
   6. 在PyODPS 2节点中输入如下代码读取分区表数据。

      import sys
      from odps import ODPS
      reload(sys)
      print('dt=' + args['dt'])
      #修改系统默认编码。
      sys.setdefaultencoding('utf8')
      #个人信息凭证。
      t = o.get_table('user_detail')
      #获取分区表。
      print t.exist_partition('dt=20190715,region=beijing')
      #查看所有分区。
      for partition in t.partitions:
          print partition.name
      #您可以通过以下三种方式查询分区表数据。
      #第一种方式如下。
      with t.open_reader(partition='dt=20190715,region=beijing') as reader1:
          count = reader1.count
      print("第一种方式查询分区表数据：")
      for record in reader1:
          print record[0],record[1],record[2]
      #第二种方式如下。
      print("第二种方式查询分区表数据：")
      reader2 = t.open_reader(partition='dt=20190715,region=beijing')
      for record in reader2:
          print record["userid"],record["job"],record["education"]
      #第三种方式如下。
      print("第三种方式查询分表数据：")
      for record in o.read_table('user_detail', partition='dt=20190715,region=beijing'):
          print record["userid"],record["job"],record["education"]

   7. 单击高级运行（带参数运行）。
   8. 在参数对话框填写配置参数，单击确定。
      配置参数说明如下：

      • 调度资源组：选择默认资源组。
      • dt：设置为dt=20190715。
   9. 在运行日志中查看运行结果。