hive字段级别血缘实现

背## 背景

  • 为便于hive表数据上下游的管理(评估逻辑变更的影响、快速追溯数据来源),需要构建hive字段级别的数据血缘,hive本身提供提供了一个用于打印数据血缘的钩子类,我们可以借助其来进行实现。

准备工作

这个钩子类将血缘关系以日志的形式输出,为了拿到这里的血缘关系,首先我们要准备log4j的配置文件。

  • hive-log4j2.properties
status = INFO
name = HiveLog4j2
packages = org.apache.hadoop.hive.ql.log

property.hive.log.level = INFO
property.hive.root.loggr = DRFA
property.hive.log.dir = .
property.hive.log.file = hive.log

appenders = console, DRFA, lineage

# 这里省略 console, DRFA的配置 都是些常规配置
# ......
loggers = LineageLogger

# lineage
logger.lineageLogger.name = org.apache.hadoop.hive.ql.hooks.lineageLogger
logger.lineageLogger.level = INFO
logger.lineageLogger.additivity = false
logger.lineageLogger.appenderRefs = lineage
appender.lineage.type = RollingRandomAccessFile
appender.lineage.fileName = ${sys:hive.log.dir}/hive_lineage.log
appender.lineage.filePattern = ${sys:hive.log.dir}/hive_lineage.log.%d{yyyy-MM-dd}
appender.lineage.layout.type = PatternLayout
appender.lineage.layout.pattern = %m%n
  • hive脚本运行前指定日志配置文件,并设置钩子
set hive.log4j.file=hive-log4j2.properties
set hive.exec.post.hooks=org.apache.hadoop.hive.ql.hooks.LineageLogger

运行

  • 经过以上配置,hive脚本执行完毕后,会在服务器本地生成一个日志文件: hive_lineage.log
  • 解析该日志文件,即可得到字段级别的血缘关系

举例

  • 如,执行下面的hiveQL
CREATE TABLE tmp_zone_info AS
SELECT z.zoneid AS zone_id,
         z.zonename AS zone_name,
         c.cityid AS city_id,
         c.cityname AS city_name
FROM dict_zoneinfo z
LEFT JOIN dict_cityinfo c
    ON z.cityid = c.cityid
        AND z.dt='20210218'
        AND c.dt='20210218'
WHERE z.dt='20210218'
        AND c.dt='20210218';
  • 得到的日志文件,经格式化如下图所示(摘抄自网络):
{
    "version": "1.0",
    "user": "hadoop",
    "timestamp": 1510307578,
    "duration": 30629,
    "jobIds": [
        "job_1509088410884_16739"
    ],
    "engine": "mr",
    "database": "cxy7_dw",
    "hash": "4484378cebc5e2b0b55fb34368d861b0",
    "queryText": "CREATE TABLE tmp_zone_info AS SELECT z.zoneid AS zone_id,z.zonename AS zone_name, c.cityid AS city_id, c.cityname AS city_name FROM dict_zoneinfo z LEFT JOIN dict_cityinfo c ON z.cityid = c.cityid AND z.dt='20171109' AND c.dt='20171109' WHERE z.dt='20171109' AND c.dt='20171109'",
    "edges": [
        {
            "sources": [
                4
            ],
            "targets": [
                0
            ],
            "edgeType": "PROJECTION"
        },
        {
            "sources": [
                5
            ],
            "targets": [
                1
            ],
            "edgeType": "PROJECTION"
        },
        {
            "sources": [
                6
            ],
            "targets": [
                2
            ],
            "edgeType": "PROJECTION"
        },
        {
            "sources": [
                7
            ],
            "targets": [
                3
            ],
            "edgeType": "PROJECTION"
        },
        {
            "sources": [
                8,
                6
            ],
            "targets": [
                0,
                1,
                2,
                3
            ],
            "expression": "(z.cityid = c.cityid)",
            "edgeType": "PREDICATE"
        },
        {
            "sources": [
                9
            ],
            "targets": [
                0,
                1,
                2,
                3
            ],
            "expression": "(c.dt = '20171109')",
            "edgeType": "PREDICATE"
        },
        {
            "sources": [
                10,
                9
            ],
            "targets": [
                0,
                1,
                2,
                3
            ],
            "expression": "((z.dt = '20171109') and (c.dt = '20171109'))",
            "edgeType": "PREDICATE"
        }
    ],
    "vertices": [
        {
            "id": 0,
            "vertexType": "COLUMN",
            "vertexId": "cxy7_dw.tmp_zone_info.zone_id"
        },
        {
            "id": 1,
            "vertexType": "COLUMN",
            "vertexId": "cxy7_dw.tmp_zone_info.zone_name"
        },
        {
            "id": 2,
            "vertexType": "COLUMN",
            "vertexId": "cxy7_dw.tmp_zone_info.city_id"
        },
        {
            "id": 3,
            "vertexType": "COLUMN",
            "vertexId": "cxy7_dw.tmp_zone_info.city_name"
        },
        {
            "id": 4,
            "vertexType": "COLUMN",
            "vertexId": "cxy7_dw.dict_zoneinfo.zoneid"
        },
        {
            "id": 5,
            "vertexType": "COLUMN",
            "vertexId": "cxy7_dw.dict_zoneinfo.zonename"
        },
        {
            "id": 6,
            "vertexType": "COLUMN",
            "vertexId": "cxy7_dw.dict_cityinfo.cityid"
        },
        {
            "id": 7,
            "vertexType": "COLUMN",
            "vertexId": "cxy7_dw.dict_cityinfo.cityname"
        },
        {
            "id": 8,
            "vertexType": "COLUMN",
            "vertexId": "cxy7_dw.dict_zoneinfo.cityid"
        },
        {
            "id": 9,
            "vertexType": "COLUMN",
            "vertexId": "cxy7_dw.dict_cityinfo.dt"
        },
        {
            "id": 10,
            "vertexType": "COLUMN",
            "vertexId": "cxy7_dw.dict_zoneinfo.dt"
        }
    ]
}
  • 日志文件中对表中的字段进行了编码,通过source/target表示字段的血缘关系,格式比较简单,不再赘述。 这里说明一下,edgeType 有 PREDICATE(谓语) 和 PROJECTION(投射) 两种取值,PROJECTION投射就是我们要的数据血缘, PREDICATE谓语则是一些过滤逻辑。
  • 需要注意的是,这里使用with语法时,无法打出血缘。
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,547评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,399评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,428评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,599评论 1 274
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,612评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,577评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,941评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,603评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,852评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,605评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,693评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,375评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,955评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,936评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,172评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,970评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,414评论 2 342

推荐阅读更多精彩内容