经常在数据开发中需要搞udf,最近发现transform更加方便易用,但是经常会涉及到集群python版本不一、包不全或者部分机器上没有安装python。
所以咱们需要快速的进行环境配置。
因为mac自带安装好的python,所以就不讲怎么安装了。可以去官网下个: https://www.python.org/downloads/source/
1、安装虚拟环境工具:
执行:pip install virtualenv,如果没有pip的话可以google一把,自行安装
2、创建虚拟环境:
新建一个目录,各种环境文件放里面:
midir envs
cd 到该目录下,创建python虚拟环境:
virtualenv python-env
创建完了可以看到会新增一个python-env文件夹。
如果你对python版本有要求,也可以指定python版本进行创建:
virtualenv -p /usr/bin/python2.7 python-env
3、在新的虚拟环境安装自己需要的包:
激活虚拟环境:
source python-env/bin/activate
这时候在这个环境下安装的py包都是在该环境下的,可以用pip install进行安装
例如:pip install pyhs2
(安装pyhs2的时候出现异常 Cannot uninstall 'six'. It is a distutils installed project,直接跳过 sudo pip install pyhs2 --ignore-installed six)
退出虚拟环境:
deactivate
4、修改文件配置:
进入虚拟环境的bin文件夹
修改activate文件内的路径:
1
2
|
DIR_PATH = "$( cd " $( dirname "${BASH_SOURCE[0]}" ) " && pwd )"
VIRTUAL_ENV = "$( readlink -f " ${DIR_PATH} / .. / " )"
|
5、打包文件:
进入 python-env文件夹内(因为目录层级少一点), 打包虚拟环境:
tar -zcf python-env.tgz *
检查一下打包文件是否把对应包打进去了,查看打包是否把pyhs2打进去了:
1
|
tar - tvf python - env.tgz |grep "pyhs2"
|
6、如何引用python环境
新建shell文件例如test.sh,代码如下:
1
2
|
source . / python - env.tgz / bin / activate
python test_transform.py
|
写好 test_ transform 的代码,例如简单的计算(不要纠结案例的业务逻辑):
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
# -*- coding: utf-8 -*-
import sys
def main():
data_list = sys.stdin.readlines()
# 获取id循环次数,除数-1,结果加+1
n = (data_list.__len__() - 1 ) / 20 + 1
j = 1
while j < = n:
id_lists = data_list[(j - 1 ) * 20 :j * 20 ]
ids = []
for id in id_lists:
ids.append( id .strip())
j + = 1
for id in ids:
result = [ id , str ( id * 100 ), str ( id + 10 )]
print '\t' .join( str (e) for e in result)
if __name__ = = "__main__" :
main()
|
把python-env.tgz、 test.sh、test_ transform.py 上传至集群的hdfs上,例如在:hdfs:///user/tmp
7、hive引用transfrom:
进入hive客户端后,加载上述文件:
1
2
3
|
ADD ARCHIVE hdfs: / / / user / tmp / python - env.tgz;
ADD FILE hdfs: / / / user / tmp / test.sh;
ADD FILE hdfs: / / / user / tmp / test_transform.py;
|
执行hsql:
1
2
3
4
5
6
|
select
transform( id ) USING 'test.sh' as ( id ,price1,price2)
from
(
select 100 as id from dual
)
|
以上整个流程搞通,那么就算集群上没有装python,你都可以自己创建transform进行快速开发了。
以上所述是小编给大家介绍的transform python环境快速配置方法,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对服务器之家网站的支持!
原文链接:https://ask.hellobi.com/blog/musper/15792