Add one-skill

This commit is contained in:
Xin Wang
2026-05-13 11:03:00 +08:00
parent a4c8b29176
commit f9e36ef92d
34 changed files with 7656 additions and 0 deletions

View File

@@ -0,0 +1,179 @@
-- =====================================================================
-- @SparkSqlName: PAIMONA-D-SQL-{表名}-PARTITION
-- @Version: 1.0
-- @Desc: 分区表操作模板
-- @TargetTables: {分区表名}
-- @TargetDatabase: Paimon
-- =====================================================================
-- ============================================================================
-- 分区表创建
-- ============================================================================
CREATE TABLE IF NOT EXISTS ${db_eda_env}.daily_partition_table (
id BIGINT COMMENT '主键ID',
user_id STRING COMMENT '用户ID',
amount DECIMAL(18,2) COMMENT '金额',
etl_time TIMESTAMP COMMENT '数据加工时间'
)
COMMENT '按日分区表'
PARTITIONED BY (day_id STRING COMMENT '统计日期')
STORED AS PARQUET;
-- ============================================================================
-- 分区写入操作
-- ============================================================================
-- 1. 静态分区写入(指定分区值)
INSERT OVERWRITE TABLE ${db_eda_env}.daily_partition_table
PARTITION (day_id = '2026-05-09')
SELECT
id,
user_id,
amount,
current_timestamp() AS etl_time
FROM source_table
WHERE day_id = '${day_id}';
-- 2. 动态分区写入(数据中包含分区值)
-- 需要先设置动态分区模式
SET spark.sql.partitionOverwriteMode = dynamic;
INSERT OVERWRITE TABLE ${db_eda_env}.daily_partition_table
PARTITION (day_id) -- 动态分区字段
SELECT
id,
user_id,
amount,
current_timestamp() AS etl_time,
day_id -- 数据中包含分区值
FROM source_table
WHERE day_id BETWEEN '2026-05-01' AND '2026-05-09';
-- ============================================================================
-- 分区查询操作
-- ============================================================================
-- 3. 单分区查询
SELECT *
FROM ${db_eda_env}.daily_partition_table
WHERE day_id = '2026-05-09';
-- 4. 多分区查询
SELECT *
FROM ${db_eda_env}.daily_partition_table
WHERE day_id IN ('2026-05-01', '2026-05-02', '2026-05-03');
-- 5. 分区范围查询
SELECT *
FROM ${db_eda_env}.daily_partition_table
WHERE day_id >= '2026-05-01'
AND day_id <= '2026-05-09';
-- 6. 最近 N 天分区查询(动态计算)
SELECT *
FROM ${db_eda_env}.daily_partition_table
WHERE day_id >= date_format(date_sub(current_date(), 30), 'yyyy-MM-dd');
-- ============================================================================
-- 分区管理操作
-- ============================================================================
-- 7. 查看分区列表
SHOW PARTITIONS ${db_eda_env}.daily_partition_table;
-- 8. 查看特定分区详情
DESCRIBE EXTENDED ${db_eda_env}.daily_partition_table PARTITION (day_id = '2026-05-09');
-- 9. 添加分区(手动创建空分区,部分表类型支持)
ALTER TABLE ${db_eda_env}.daily_partition_table
ADD IF NOT EXISTS PARTITION (day_id = '2026-05-10');
-- 10. 删除分区(清理历史数据)
ALTER TABLE ${db_eda_env}.daily_partition_table
DROP IF EXISTS PARTITION (day_id = '2026-01-01');
-- ============================================================================
-- 多分区字段操作
-- ============================================================================
-- 11. 多分区字段表创建
CREATE TABLE IF NOT EXISTS ${db_eda_env}.multi_partition_table (
id BIGINT,
name STRING,
amount DECIMAL(18,2),
etl_time TIMESTAMP
)
PARTITIONED BY (year_id STRING, month_id STRING)
STORED AS PARQUET;
-- 12. 多分区字段写入
INSERT OVERWRITE TABLE ${db_eda_env}.multi_partition_table
PARTITION (year_id = '2026', month_id = '05')
SELECT
id,
name,
amount,
current_timestamp() AS etl_time
FROM source_table
WHERE year_id = '2026' AND month_id = '05';
-- 13. 多分区字段动态写入
SET spark.sql.partitionOverwriteMode = dynamic;
INSERT OVERWRITE TABLE ${db_eda_env}.multi_partition_table
PARTITION (year_id, month_id)
SELECT
id,
name,
amount,
current_timestamp() AS etl_time,
year_id,
month_id
FROM source_table;
-- ============================================================================
-- 分区数据清理
-- ============================================================================
-- 14. 清理指定分区数据
INSERT OVERWRITE TABLE ${db_eda_env}.daily_partition_table
PARTITION (day_id = '2026-05-09')
SELECT * FROM ${db_eda_env}.daily_partition_table
WHERE day_id = '2026-05-09'
AND status = 'valid'; -- 只保留有效数据
-- 15. 清理 N 天前分区(批量)
-- 使用脚本或程序循环执行
-- ALTER TABLE xxx DROP PARTITION (day_id = '历史分区')
-- ============================================================================
-- 分区最佳实践
-- ============================================================================
/*
1. 分区字段选择原则
- 查询高频过滤字段
- 数据量分布均匀的字段
- 时间字段最常用day_id, month_id
2. 分区粒度选择
- 日增量数据 → day_id 分区
- 月增量数据 → month_id 分区
- 大数据量 → 可细分到 hour_id
3. 分区数量控制
- 单表分区数建议 < 10000
- 过多分区影响元数据性能
4. 查询必须带分区过滤
- 避免SELECT * FROM table全表扫描
- 推荐SELECT * FROM table WHERE day_id = '${day_id}'
5. 动态分区写入设置
- SET spark.sql.partitionOverwriteMode = dynamic;
- 避免误覆盖其他分区
6. 分区数据清理
- 定期清理历史分区如保留近90天
- 使用 ALTER TABLE DROP PARTITION
*/