transform Vs Udf

在鞋厂的第一个任务，拆表。需要把订单表按照开始日期和结束日期拆分成多条记录，挺新鲜的~

transform方式，使用到了python。

（1）把hive表的数据传入，通过python按照日期循环处理，返回多条记录。

（2）生成序列表，然后采用cross join的方式，在hive端生成多条记录，再根据日期和序列进行处理。

udf方式，更容易操作，我个人习惯使用java。udf传入开始日期和结束日期，返回时间范围的数组。

再通过lateral view的方式处理。

 

另外，针对这个需求，对比了crossjoin的方式（用python先生成序列表）和udf：

（1）效率：序列表为1-100的情况，执行时间28分钟，序列表1000情况，调度卡住；

           udf计算日志一个分区全量情况，执行时间20分钟，剔除无效数据后，执行时间约4分钟。

（2）udf不需要做写操作，减少了存储使用。

（3）使用udf，sql代码量少，且具有通用性。