transform-python环境快速配置

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：

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：

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:

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)：

# -*- 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：

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：

select

transform(id) USING 'test.sh' as (id,price1,price2)

from

(

select 100 as id from dual

)t

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。

本文由brucelu 创作，采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。

转载、引用前需联系作者，并署名作者且注明文章出处。

本站文章版权归原作者及原出处所有 。内容为作者个人观点， 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台，并不用于任何商业目的，如果有任何问题，请及时联系我们，我们将根据著作权人的要求，立即更正或者删除有关内容。本站拥有对此声明的最终解释权。