此文中采用MaxCompute Studio作展示,首先,安装MaxCompute
Studio,导入测试MaxCompute项目,创建工程,建立一个新的MaxCompute脚本文件, 如下

场景1 

什么是大数据计算服务 MaxCompute?

  1. 支持其他脚本语言

其中的ds如果是分区列,则select dt from
sales_date 会单独启动作业执行子查询,而不会转化为SEMIJOIN,执行后的结果会逐个与ds比较,sales_detail中ds值不在返回结果中的分区不会读取,保证分区裁剪仍然有效。

speed double,

上面用的是perl。这其实不仅仅是语言支持的扩展,一些简单的功能,awk,
python, perl, shell
都支持直接在命令里面写脚本,不需要写脚本文件,上传资源等过程,开发过程更简单。另外,由于目前我们计算集群上没有php和ruby,所以这两种脚本不支持。

编译此脚本,可以观察执行计划如下

set
odps.sql.planner.mode=lot;

上次向您介绍了CTE,VALUES,SEMIJOIN,本篇向您介绍MaxCompute对其他脚本语言的支持

例如:

下面首先我们将介绍环境准备,这是所有后面的操作的基础。然后会介绍使用
OdpsCmd
访问表格存储。在第三节我们介绍使用 OdpsStudio
访问表格存储。最后介绍如何写 UDF、部署 UDF 以及在查询中使用 UDF。

原标题:MaxCompute重装上阵 第五弹 – SELECT TRANSFOR

SELECT*frommytable1whereidin(selectidfrommytable2wherevalue=
mytable1.value);

set odps.task.major.version=2dot0_demo_flighting;

MaxCompute基于ODPS2.0的SQL引擎,提供了SELECT
TRANSFORM功能,可以明显简化对脚本代码的引用,与此同时,也提高了性能!我们推荐您尽量使用SELECT
TRANSFORM。

正在开发新项目,需要给一个小数据表准备些基本数据,但是没有INSERT …
VALUES
语句,没办法把数据和创建表的DDL放在一起维护,只好另用一些脚本,调用ODPS命令行准备数据。。。

目前ODPS-SQL访问 TaleStore
还在对执行逻辑进行深度的优化,如果有需求请联系ots_support,我们将针对业务场景来进行优化。

  • SELECT TRANSFORM。

  • 场景1

  • 我的系统要迁移到MaxCompute平台上,系统中原来有很多功能是使用脚本来完成的,包括python,shell,ruby等脚本。
    要迁移到MaxCompute上,我需要把这些脚本全部都改造成UDF/UDAF/UDTF。改造过程不仅需要耗费时间人力,还需要做一遍又一遍的测试,从而保证改造成的udf和原来的脚本在逻辑上是等价的。我希望能有更简单的迁移方式。
  • 场景2
  • SQL比较擅长的是集合操作,而我需要做的事情要对一条数据做更多的精细的计算,现有的内置函数不能方便的实现我想要的功能,而UDF的框架不够灵活,并且Java/Python我都不太熟悉。相比之下我更擅长写脚本。我就希望能够写一个脚本,数据全都输入到我的脚本里来,我自己来做各种计算,然后把结果输出。而MaxCompute平台就负责帮我把数据做好切分,让我的脚本能够分布式执行,负责数据的输入表和输出表的管理,负责JOIN,UNION等关系操作就好了。

例如:

使用客户端 ODPS-CMD

图片 1

IN SUBQUERY/NOT IN SUBQUERY

# confirm threshold for query input size(unit:
GB)

目前odps select transform完全兼容了hive的语法、功能和行为,包括
input/output row format 以及
reader/writer。Hive上的脚本,大部分可以直接拿来运行,部分脚本只需要经过少许改动即可运行。另外我们很多功能都用比hive更高执行效率的语言
(C++) 重构,用以优化性能。

需要先写好FROM,再回头写SELECT列表,才能提示。如下

FAQ

摘要:
MaxCompute(原ODPS)是阿里云自主研发的具有业界领先水平的分布式大数据处理平台,
尤其在集团内部得到广泛应用,支撑了多个BU的核心业务。
MaxCompute除了持续优化性能外,也致力于提升SQL语言的用户体验和表达能力,提高广大ODPS开发者的生产力。

大部分DBMS系统中,如MySQL,Hive等,UNION后如果有CLUSTER BY, DISTRIBUTE
BY, SORT BY, ORDER
BY或者LIMIT子句,其作用于与前面所有UNION的结果,而不是UNION的最后一路。ODPS2.0在set
odps.sql.type.system.odps2=true;的时候,也采用此行为。例如:

  • com.aliyun.odps.TableStoreStorageHandler 是 MaxCompute
    内置的处理 TableStore 数据的 StorageHandler, 定义了 MaxCompute 和
    TableStore 的交互,相关逻辑由 MaxCompute 实现。
  • SERDEPROPERITES
    可以理解成提供参数选项的接口,在使用 TableStoreStorageHandler
    时,有两个必须指定的选项,分别是下面介绍的
    tablestore.columns.mapping 和 tablestore.table.name。
    更多的可选选项将在后面其他例子中提及。
  • tablestore.columns.mapping
    选项:必需选项,用来描述对需要 MaxCompute 将访问的 TableStore
    表的列,包括主键和属性列。 这其中以 : 打头的用来表示 TableStore
    主键,例如这个例子中的 :vid:gt。 其他的均为属性列。
    TableStore支持最少1个,最多4个主键,主键类型为 bigint 或
    string,其中第一个主键为分区键。 在指定映射的时候,用户必须提供指定
    TableStore 表的
    所有主键,对于属性列则没有必要全部提供,可以只提供需要通过
    MaxCompute 来访问的属性列。
  • tablestore.table.name:需要访问的 TableStore 表名。
    如果指定的 TableStore 表名错误(不存在),则会报错,MaxCompute
    不会主动去创建 TableStore 表。
  • LOCATION 用来指定访问的 TableStore 的实例信息,包括
    instance 名字,endpoint 等。 
  • 数据格式对应,MaxCompute 与 TableStore
    的数据格式对应如下:

Select
transform允许sql用户指定在服务器上执行一句shell命令,将上游数据各字段用tab分隔,每条记录一行,逐行输入shell命令的stdin,并从stdout读取数据作为输出,送到下游。Shell命令的本质是调用Unix的一些utility,因此可以启动其他的脚本解释器。包括python,java,php,awk,ruby等。

SELECT*frommytable1 aLEFTANTIJOINmytable2 bona.id=b.id;

MaxCompute 与 TableStore
是两个独立的大数据计算以及大数据存储服务,所以两者之间的网络必须保证连通性。
对于 MaxCompute 公共云服务访问 TableStore 存储,推荐使用 TableStore
私网
地址,例如

第三弹 – 复杂类型

a

  • 实例名称:vehicle-test
  • 数据表名称:vehicle_track
  • 主键信息:vid(int); gt (int)
  • 访问域名:https://vehicle-test.cn-shanghai.ots-internal.aliyuncs.com
  1. 可以串联着用,使用 distribute by和 sort by对输入数据做预处理

也就是可以不写from语句,直接执行SELECT,只要SELECT的表达式列表不用任何上游表数据就可以。其底层实现为从一个1行,0列的匿名VALUES表选取。这样,在希望测试一些函数,比如自己的UDF等,就再也不用手工创建DUAL表了。

TableStore数据类型

MaxCompute数据类型

string

string

binary

blob

int

bigint

double

double

  1. Using
    子句指定的是要执行的命令,而非资源列表,这一点和大多数的MaxCompute
    SQL语法不一样,这么做是为了和hive的语法保持兼容。

  2. 输入从stdin传入,输出从stdout传出;

  3. 可以配置分隔符,默认使用 \t 分隔列,用换行分隔行;

  4. 可以自定义reader/writer,但用内置的reader/writer会快很多

  5. 使用自定义的资源(脚本文件,数据文件等),可以使用 set
    odps.sql.session.resources=foo.sh,bar.txt;
    来指定。可以指定多个resource文件,用逗号隔开(因此不允许resource名字中包含逗号和分号)。此外我们还提供了resources子句,可以在using
    子句后面指定 resources ‘foo.sh’, ‘bar.txt’
    来指定资源,两种方式是等价的(参考“用odps跑测试”的例子);

MaxCompute支持以执行顺序书写查询语句,例如上面的语句可以写为

project_name=上面申请的ODPS工程名

图片 2

使用CTE的方式重写以上语句

 

SELECT TRANSFORM 介绍

图片 3

data_size_confirm=100.0

  1. awk 用户会很喜欢这个功能

注1

2.打包之后可以上传到
MaxCompute,其中打包这里有需要注意的地方,File->Project
Structure->Artifacts, 填写好 Name 和 Output Directory 后,要点击
+ 选择输出模块,打包后通过 ODPS Project Explorer
来上传资源、创建函数,然后就可以在SQL中调用。

第一弹 – 善用MaxCompute编译器的错误和警告

SELECT*frommytable1whereidnotin(selectidfrommytable2);

LOCATION ‘tablestore://vehicle-test.cn-shanghai.ots-internal.aliyuncs.com’; — (5)

UDTF的优势:

SELECT*frommytable1whereidin(selectidfrommytable2)ORvalue>0;

latitude double,

或者使用python

其中的VALUES (…), (…) t (a, b), 相当于定义了一个名为t,列为a,
b的表,类型为(a string, b
string),其中的类型从VALUES列表中推导。这样在不准备任何物理表的时候,可以模拟一个有任意数据的,多行的表,并进行任意运算。

1.下载并安装大数据计算服务客户端

第二弹 – 新的基本数据类型与内建函数

第四弹 –
CTE,VALUES,SEMIJOIN

4.在bin/odpscmd 下输入环境变量,显式开启 ODPS 2.0
的非结构化功能( 仅在 ODPS 2.0 计算框架完全上线为必须),单独执行
xx.sql 文件时也需要将下属设置写在 SQL 文件的开头处。

第四弹 – CTE,VALUES,SEMIJOIN

第三弹 –
复杂类型

CREATE EXTERNAL TABLE IF NOT
EXISTS
ots_vehicle_track

理论上select transform能实现的功能udtf都能实现,但是select
transform比udtf要灵活得多。且select
transform不仅支持java和python,还支持shell,perl等其它脚本和工具。
且编写的过程要简单,特别适合adhoc功能的实现。举几个例子:

原有ODPS也支持[NOT] IN
SUBQUERY不作为JOIN条件,例如出现在非WHERE语句中,或者虽然在WHERE语句中,但无法转换为JOIN条件。MaxCompute仍然支持这种用法,但是此时因为无法转换为SEMI
JOIN而必须实现启动一个单独的作业来运行SUBQUERY,所以不支持correlated条件。

环境准备

应用场景举例

等效于

DROP TABLE IF EXISTS
ots_vehicle_track;

责任编辑:

图片 4

如果网络不通,可以使用公网地址,TableStore原生支持 VPC
网络控制,也需要将网络类型设置为 “允许任意网络访问”

  1. 用odps跑测试

当SUBQUERY中有至少一行数据时候,返回TRUE,否则FALSE。NOT
EXISTS的时候则相反。目前只支持含有correlated WHERE条件的子查询。EXISTS
SUBQUERY/NOT EXISTS SUBQUERY实现的方式是转换为LEFT SEMI JOIN或者LEFT
ANTI JOIN

//
我们选出来1行数据,并将name/name传入UDF,返回两个string的累加

小结

SELECT*fromsales_detailwheredsin(selectdtfromsales_date);

 

上面的语句仅仅是把value原样输出,但是熟悉awk的用户,从此过上了写awk脚本不写sql的日子

MaxCompute基于ODPS2.0新一代的SQL引擎,显著提升了SQL语言编译过程的易用性与语言的表达能力。我们在此推出MaxCompute(ODPS2.0)重装上阵系列文章

写在最后

select transform (key, value) using “perl -e ‘while($input =
<STDIN>){print $input;}'” from src;

只会返回mytable1中的数据,只要mytable1的id在mytable2的id中出现过

首先,准备好一个 MaxCompute 的工程,工程创建指导文档,准备好AccessId和AccessKey备用,为了区别其他产品的AccessId和AccessKey,后面我们称之为ODPS-AccessId,ODPS-AccessKey。并在RAM中授权
MaxCompute 访问 TableStore 的权限,授权方式请参考MaxCompute访问TableStore数据——授权

MaxCompute(原ODPS)是阿里云自主研发的具有业界领先水平的分布式大数据处理平台,
尤其在集团内部得到广泛应用,支撑了多个BU的核心业务。
MaxCompute除了持续优化性能外,也致力于提升SQL语言的用户体验和表达能力,提高广大ODPS开发者的生产力。

如果mytable2中的所有id都不为NULL,则等效于

3.打开bin/odpscmd,输入

或者

SELECT*frommytable1whereidin(selectidfrommytable2);

vid bigint,

6.
资源文件会被下载到执行指定命令的工作目录,可以使用文件接口打开./bar.txt文件。

图片 5

set odps.sql.ddl.odps2=true;

性能

图片 6

关系数据库已经存在半个世纪,有非常广泛的使用场景,但是在快速迭代的互联网领域其扩展性和
schema 灵活性被诟病颇多,因此类似 TableStore/BigTable/HBase
等强调扩展性和灵活性的NoSQL数据库逐步流行起来,这些 NoSQL 数据库只提供
API 接口,不提供 SQL 访问,这就导致很多熟悉 SQL
但是不喜欢写代码的用户没法很舒服的使用此类NoSQL数据库。基于此,表格存储开发团队联合
MaxCompute(下文中 ODPS 与 MaxCompute 同义)团队打通了 ODPS-SQL
访问表格存储的路径,这样一个只懂 SQL
的用户也可以愉快的访问表格存储里面的大量数据了。

图片 7

支持顶层UNION

https_check=true

提交作业可以看到执行计划(全部展开后的视图):

实际上,VALUES表并不限于在INSERT语句中使用,任何DML语句都可以使用。

5.创建一张 MaxCompute 的数据表关联到 TableStore
的某一张表。

SELECT TRANSFORM 的优势:

SELECTDISTINCT*FROM(SELECT*FROMsrc1UNIONALLSELECT*FROMsrc2) t;

access_id=ODPS-AccessId

图片 8

场景2

摘要: 大数据计算服务 MaxCompute
能够提供强大的分析能力,而分布式 NoSQL
数据库表格存储在行级别上的实时更新和可覆盖性写入等特性,相对于
MaxCompute 内置表 append-only 批量操作,提供了一个很好的补充。

  1. 无中生有造数据

EXISTS SUBQUERY/NOT EXISTS SUBQUERY

网络连通性

图片 9

返回左表中的数据,当join条件不成立,也就是mytable1中某行的id在mytable2的所有id中没有出现过,此行就保留在结果集中

distance double
,

理论上OpenMR的模型都可以映射到上面的计算过程。注意,使用map,reduce,select
transform这几个语法其实语义是一样的,用哪个关键字,哪种写法,不影响直接过程和结果。

上次向您介绍了复杂类型,从本篇开始,向您介绍MaxCompute在SQL语言DML方面的改进

1.按照MaxCompute
Studio文档的说明在IntelliJ里面安装MaxCompute-Java/MaxCompute-Studio插件,一旦插件安装完毕,就可以直接开发。

图片 10

场景4

gt bigint,

  • 注一,USING
    后面的字符串,在后台是直接起的子进程来调起命令,没有起shell,所以shell的某些语法,如输入输出重定向,管道等是不支持的。如果用户需要可以以
    shell 作为命令,真正的命令作为数据输入,参考“无中生有造数据”的例子;
  • 注二,JAVA 和 PYTHON 的实际路径,可以从JAVA_HOME 和 PYTHON_HOME
    环境变量中得到作业;

图片 11

WITH SERDEPROPERTIES ( — (2)

本文为云栖社区原创内容,未经允许不得转载。返回搜狐,查看更多

selectabs(-1),length(‘abc’),getdate();

什么是表格存储 TableStore?

标注

是否合并或者分裂子查询,是由ODPS2.0的基于代价的优化器
(CBO)做出决定的,SQL本身的书写方式,不管是CTE还是子查询,并不能确保物理执行计划的合并或者分裂。

然后,准备好一个表格存储的实例以及一张数据表,表格存储实例管理,准备好实例名、EndPoint,为了区别其他产品的AccessId和AccessKey,后面我们称之为TableStore-InstanceName,TableStore-EndPoint。