很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
元數(shù)據(jù)是描述企業(yè)數(shù)據(jù)相關(guān)的數(shù)據(jù)，指在IT系統(tǒng)建設(shè)過程中所產(chǎn)生的有關(guān)數(shù)據(jù)定義，目標(biāo)定義，轉(zhuǎn)換規(guī)則等相關(guān)的關(guān)鍵數(shù)據(jù)，包括對數(shù)據(jù)的業(yè)務(wù)、結(jié)構(gòu)、定義、存儲、安全等各方面對數(shù)據(jù)的描述
元數(shù)據(jù)是數(shù)倉建設(shè)環(huán)節(jié)中不可缺少的一部分(尤其是在數(shù)據(jù)治理環(huán)節(jié))，是數(shù)據(jù)管理、數(shù)據(jù)內(nèi)容、數(shù)據(jù)應(yīng)用的基礎(chǔ)。通過元數(shù)據(jù)可以打通數(shù)據(jù)源、數(shù)據(jù)倉庫、數(shù)據(jù)應(yīng)用、記錄了數(shù)據(jù)流向的完整鏈路。它可以說是企業(yè)的數(shù)據(jù)地圖，可以直接反映了企業(yè)中有什么樣的數(shù)據(jù)，這些數(shù)據(jù)是如何存放的，以及數(shù)據(jù)之間的關(guān)系是如何的。
參考Kimball的數(shù)倉模型理論，可以把元數(shù)據(jù)分為三類：
技術(shù)元數(shù)據(jù)，比如表結(jié)構(gòu)、字段定義、文件存儲等信息
業(yè)務(wù)元數(shù)據(jù)，比如業(yè)務(wù)定義、業(yè)務(wù)術(shù)語、業(yè)務(wù)規(guī)則、業(yè)務(wù)指標(biāo)等
管理元數(shù)據(jù)，比如數(shù)據(jù)所有者、數(shù)據(jù)質(zhì)量定責(zé)、數(shù)據(jù)安全等級等
整個元數(shù)據(jù)鏈路分為元數(shù)據(jù)采集、元數(shù)據(jù)管理、元數(shù)據(jù)應(yīng)用。
基于獲取到的元數(shù)據(jù)可以實現(xiàn)血緣關(guān)系、權(quán)限的監(jiān)控、全局監(jiān)控數(shù)據(jù)完整生命周期等等。
最后通過這些功能實現(xiàn)一般會形成產(chǎn)品化，比較常見的就是數(shù)據(jù)地圖、數(shù)據(jù)檢索和數(shù)據(jù)質(zhì)量分析。
目前大多數(shù)公司的數(shù)倉建設(shè)是基于Hive進(jìn)行的，而Hive又是依托于Hadoop為引擎做存儲計算，當(dāng)然Hive元數(shù)據(jù)默認(rèn)是存儲在Derby數(shù)據(jù)庫中的，不過在生產(chǎn)環(huán)境下一般都是改為mysql存儲。本篇先為大家介紹一下技術(shù)元數(shù)據(jù)相關(guān)內(nèi)容，以及結(jié)合筆者實際工作中使用到的場景進(jìn)行結(jié)合講解。
首先大家先看一下整體的ER模型圖(這里主要是想告訴大家涉及到表非常多，大家可以自行連接元數(shù)據(jù)庫進(jìn)行查看)，不過這里只講解幾個比較常用的
剛才簡單提及到了元數(shù)據(jù)的相關(guān)應(yīng)用，比如血緣關(guān)系、權(quán)限的監(jiān)控、全局監(jiān)控數(shù)據(jù)完整生命周期等等。
這里筆者給出公司目前基于元數(shù)據(jù)所實現(xiàn)的一些功能，例如數(shù)據(jù)質(zhì)量監(jiān)控、數(shù)據(jù)地圖等。因涉及到隱私安全問題，筆者給出一些截圖供讀者參考，主要是一些質(zhì)控、元數(shù)據(jù)信息管理的功能
關(guān)于數(shù)據(jù)質(zhì)量這塊，后面會有單獨(dú)的篇幅文章進(jìn)行講解，主要涉及到一些質(zhì)控規(guī)則的內(nèi)容
這里給出一個筆者正在做的一個需求并結(jié)合元數(shù)據(jù)進(jìn)行講解，以此來簡述在日常工作中是如何使用元數(shù)據(jù)來幫助我們提升效率的。
早期公司使用ELK采集日志并入倉，但隨著業(yè)務(wù)規(guī)模擴(kuò)張以及數(shù)據(jù)量的暴漲，ELK這套體系顯得過于笨重，且日志出入口比較復(fù)雜，為了統(tǒng)一采集入口，規(guī)范日志流程，提升日志數(shù)據(jù)質(zhì)量，現(xiàn)將日志采集由logstash遷移至日志中心，由于采集的數(shù)據(jù)直接寫入到了ods層，基于數(shù)據(jù)可靠性以及用戶無感知的原則，在正式切換新老程序之前，需要比對數(shù)據(jù)一致(這里對原始o(jì)ds表復(fù)制了一個新表，來存儲新采集流程的數(shù)據(jù))。
那么這里就有了兩個問題
如何對新老表進(jìn)行比對來驗證兩個表數(shù)據(jù)一致呢？
由于ods層的表不止一兩張，如何快速的比對呢？
基于上面的兩個問題，筆者這里給出目前的解決方案，可能不是最優(yōu)解，如果讀者有好的解決方案可以隨時交流
針對第一個問題，當(dāng)兩個表的數(shù)據(jù)量一致，且每個字段值也一致，那么才說明是兩個表是一致的
對于數(shù)據(jù)量，其實就是通過count計算
對于每個字段的值比較，不可能人肉去比對，筆者這里是將所有字段做了一個拼接，然后取md5值，最后對md5值作比較
針對第二個問題，當(dāng)對大量表做比對的時候，人肉方式是不可能的，否則絕對加班到昏天暗地，只能通過自動化腳本來實現(xiàn)。
筆者將需要比對的表進(jìn)行手動配置到一個文件，然后通過讀取元數(shù)據(jù)的方式來自動完成拼接比對
那么具體的流程如下：
讀取配置文件，獲取新老表(即原表和新遷移后的表)
根據(jù)表名讀取元數(shù)據(jù)獲取所有的字段進(jìn)行拼接(這里需要保證字段的順序,而且需要注意元數(shù)據(jù)的更新情況)，然后取md5值
然后就是sql拼接了，執(zhí)行sql得到最后的比對結(jié)果，筆者這里是采用郵件發(fā)送的方式（整個耗時大概不到十分鐘就完成了）
這里給出讀取元數(shù)據(jù)的部分代碼
1select
2 distinct concat('{{',concat_ws(',',collect_list(concat('"',tab_name,'":"',concat_column,'"'))),'}}') as result
3from
4(
5 select
6 distinct concat_ws('.',schema_name,table_name) as tab_name,
7 concat(
8 'md5(concat(',
9 concat_ws(
10 ',',
11 sort_array(
12 collect_set(
13 case when type_name='boolean' then concat('coalesce(',column_name,',false)') else concat('coalesce(',column_name,",'-99')") end
14 ) over(partition by concat_ws('.',schema_name,table_name))
15 )
16 )
17 ,'))'
18 ) as concat_column
19 from
20 (
21 select
22 t.name as schema_name,
23 t1.tbl_name as table_name,
24 t4.column_name,
25 t4.type_name
26 from dbs t
27 join tbls t1
28 on t.db_id = t1.db_id and t.date_id = '2020-09-26' and t1.date_id = '2020-09-26'
29 left join partitions t2
30 on t1.tbl_id = t2.tbl_id and t2.date_id = '2020-09-26'
31 left join sds t3
32 on t2.sd_id = t3.sd_id and t3.date_id = '2020-09-26'
33 left join (select * from columns_v2 where date_id='2020-09-26') t4
34 on t3.cd_id= t4.cd_id
35 where t.name='wedw_ods' and t1.tbl_name in ('tab_name')
36 group by t.name ,t1.tbl_name,t4.column_name,t4.type_name
37 )t
38)res
最后給出一張最后的效果圖
VER_IDSCHEMA_VERSIONVERSION_COMMENTID主鍵Hive版本版本說明12.3.0Hive release version 2.3.0
注意：該表不存在時，將無法進(jìn)入cli模式
該表的DB_ID字段也是 FUNC_RU、FUNCS、DB_PRIVS、DATABASE_PARAMS、以及TBLS的外鍵
元數(shù)據(jù)字段說明示例DB_ID數(shù)據(jù)庫ID1DESC數(shù)據(jù)庫描述Default Hive databaseDB_LOCATION_URI數(shù)據(jù)庫HDFS路徑
hdfs://emr-cluster/user/hive/warehouseNAME數(shù)據(jù)庫名defaultOWNER_NAME數(shù)據(jù)庫所有者用戶名publicOWNER_TYPE所有者角色ROLE
元數(shù)據(jù)庫字段說明示例數(shù)據(jù)DB_ID數(shù)據(jù)庫ID
PARAM_KEY參數(shù)名
PARAM_VALUE參數(shù)值
元數(shù)據(jù)庫字段說明示例數(shù)據(jù)DB_GRANT_ID授權(quán)ID
CREATE_TIME授權(quán)時間
DB_ID數(shù)據(jù)庫ID
GRANT_OPTION
GRANTOR授權(quán)執(zhí)行用戶
GRANTOR_TYPE授權(quán)者類型
PRINCIPAL_NAME被授權(quán)用戶
PRINCIPAL_TYPE被授權(quán)用戶類型
DB_PRIV權(quán)限
AUTHORIZER
元數(shù)據(jù)表字段說明示例數(shù)據(jù)TBL_ID表ID3CREATE_TIME創(chuàng)建時間1542359066DB_ID數(shù)據(jù)庫ID5LAST_ACCESS_TIME上次訪問時間0OWNER所有者h(yuǎn)adoopRETENTION保留字段0SD_ID序列化配置信息3TBL_NAME表名
t_dsp_mart_bankcard_locationTBL_TYPE表類型MANAGED_TABLEVIEW_EXPANDED_TEXT視圖的詳細(xì)HQL語句NULLVIEW_ORIGINAL_TEXT視圖的原始HQL語句NULLIS_REWRITE_ENABLED是否開啟重寫
元數(shù)據(jù)字段說明示例TBL_ID表ID3PARAM_KEY屬性名transient_lastDdlTimePARAM_VALUE屬性值1542359066
元數(shù)據(jù)字段說明示例TBL_GRANT_ID授權(quán)ID14CREATE_TIME授權(quán)時間1542359066GRANT_OPTION
1GRANTOR授權(quán)執(zhí)行用戶hadoopGRANTOR_TYPE授權(quán)者類型USERPRINCIPAL_NAME被授權(quán)用戶hadoopPRINCIPAL_TYPE被授權(quán)用戶類型USERTBL_PRIV權(quán)限INSERTTBL_ID表ID3
元數(shù)據(jù)字段說明示例SD_ID存儲信息ID3CD_ID字段信息ID3INPUT_FORMAT文件輸入格式
org.apache.hadoop.mapred.TextInputFormatIS_COMPRESSED是否壓縮
IS_STOREDASSUBDIRECTORIES是否以子目錄存儲
LOCATIONHDFS路徑
hdfs://emr-cluster/user/hive/warehouse/dspdb.db/t_dsp_mart_bankcard_locationNUM_BUCKETS分桶數(shù)量-1OUTPUT_FORMAT文件輸出格式
org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormatSERDE_ID序列化類ID3
元數(shù)據(jù)字段說明示例SD_ID存儲配置ID
PARAM_KEY存儲屬性名
PARAM_VALUE存儲屬性值
元數(shù)據(jù)字段說明示例SERDE_ID序列化類配置ID3NAME序列化類別名NULLSLIB序列化類
org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe
元數(shù)據(jù)字段說明示例SERDE_ID序列化類配置ID3PARAM_KEY屬性名field.delimPARAM_VALUE屬性值
元數(shù)據(jù)字段說明示例CD_ID字段信息ID3COMMENT字段注釋NULLCOLUMN_NAME字段名bankcodeTYPE_NAME字段類型stringINTEGER_IDX字段順序2
元數(shù)據(jù)字段說明示例PART_ID分區(qū)ID2CREATE_TIME分區(qū)創(chuàng)建時間1542697377LAST_ACCESS_TIME最后一次訪問時間0PART_NAME分區(qū)名dt=2018-11-19SD_ID分區(qū)存儲ID47TBL_ID表ID30
元數(shù)據(jù)字段說明示例PART_ID分區(qū)ID2PART_KEY_VAL分區(qū)字段值2018-11-19INTEGER_IDX分區(qū)字段值順序0
元數(shù)據(jù)字段說明示例PART_ID分區(qū)ID2PARAM_KEY分區(qū)屬性名numFilesPARAM_VALUE分區(qū)屬性值12
結(jié)合筆者的需求，可以看到元數(shù)據(jù)的強(qiáng)大之處。當(dāng)然使用元數(shù)據(jù)的場景還有很多，筆者也是初次涉獵，有些內(nèi)容可能描述的不是很恰當(dāng)?shù)皿w，如果讀者對元數(shù)據(jù)有興趣或者目前正在做元數(shù)據(jù)這塊內(nèi)容，強(qiáng)烈歡迎讀者在討論區(qū)寫下你的想法。
最后祝各位讀者假期快樂，但也不要忘記學(xué)習(xí)哦，接下來筆者也會有空余時間來整理一些關(guān)于面試和數(shù)倉建模相關(guān)的文章來分享給大家。
本文為作者獨(dú)立觀點(diǎn)，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》 如對文章、圖片、字體等版權(quán)有疑問，請點(diǎn)擊 反饋舉報
上一篇
我們致力于提供一個高質(zhì)量內(nèi)容的交流平臺。為落實國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護(hù)用戶創(chuàng)造的內(nèi)容、維護(hù)開放、真實、專業(yè)的平臺氛圍，我們團(tuán)隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進(jìn)行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護(hù)法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進(jìn)行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽(yù)和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽(yù)、榮譽(yù)；
4)宣揚(yáng)恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團(tuán)結(jié)；
6)破壞國家宗教政策，宣揚(yáng)邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚(yáng)淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽(yù)、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽(yù)；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進(jìn)行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進(jìn)行負(fù)面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網(wǎng)站秩序的內(nèi)容，或進(jìn)行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點(diǎn)擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗的細(xì)節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚(yáng)低俗、庸俗、媚俗內(nèi)容。
5. 不實信息，主要表現(xiàn)為：
1)可能存在事實性錯誤或者造謠等內(nèi)容；
2)存在事實夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機(jī)構(gòu)或個人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運(yùn)、使用迷信方式治病；
2)求推薦算命看相大師；
3)針對具體風(fēng)水等問題進(jìn)行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運(yùn)勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費(fèi)、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點(diǎn)」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個用戶發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對帳號進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗的不斷豐富，本網(wǎng)站出于維護(hù)本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)