PyODPS读取分区表数据_云原生大数据计算服务 MaxCompute(MaxCompute)-阿里云帮助中心

本文为您介绍如何通过PyODPS读取分区表数据。

前提条件

您需要完成以下操作：

已开通MaxCompute。
已开通DataWorks。
在DataWorks上完成业务流程创建。详情请参见创建业务流程。

操作步骤

说明

本例使用DataWorks简单模式，创建工作空间时，默认保持参加数据开发（Data Studio）公测不开启，公测工作空间不适用本例。

准备测试数据。

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

将源数据表user_detail_ods中的数据写入分区表user_detail。
1. 登录DataWorks控制台。
2. 在左侧导航栏，单击工作空间。
3. 确认目标工作空间，选择操作列中的快速进入 > 数据开发。
4. 右键单击业务流程，选择新建节点 > ODPS SQL。
5. 输入节点名称，并单击确认。
6. 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;
```
7. 单击运行，完成数据写入。

使用PyODPS读取分区表数据。

登录DataWorks控制台。
在左侧导航栏，单击工作空间。
确认目标工作空间，选择操作列中的快速进入 > 数据开发。
在数据开发页面，右键单击已经创建的业务流程，选择新建节点 > PyODPS 2。
输入节点名称，单击确认。

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"]

单击带参运行。
在参数对话框填写配置参数，单击运行。
配置参数说明如下：
- 资源组名称：选择默认资源组。
- dt：设置为dt=20190715。
在运行日志中查看运行结果。