订单交易数据操作的主要内容包括以下几部分：
●订单交易数据的数据库以及表的构建。
●表数据的加载与覆盖。
●表数据的常见查询操作。
在这里我们通过Spark Shell进行一系列的订单交易数据演示。下面的代码是在Spark Shell的环境下运行的。
（1）去除过多的日志。通过调用Java语言中的Logger的两个getLogger（）方法创建两个Logger对象，然后调用它的setLevel方法设置日志消息输出的级别分别是Level.WARN和Level.OFF，在各自的Logger对象中，低于设置的Logger级别的日志信息将被丢弃。
（2）初始化HiveContext。在这里需要注意两点：首先要确认现在使用的是否是支持Hive的Spark版本；并且Hive的配置文件hive-site.xml已经存放到Spark的$HOME/conf目录下。
使用下面代码初始化HiveContext。
（3）创建表和数据库。在Hive中我们定义了一个数据库saledata和三个表tblDate tblStock和tblStockDetail。
1）在spark-shell交互界面输入命令：hiveContext.hql（＂CREATE DATABASE SALEDA-TA＂），创建数据库saledata。
2）在spark-shell交互界面输入命令：hiveContext.hql（＂use SALEDATA＂），使用数据库saledata。
3）在spark-shell交互界面输入命令：hiveContext.hql（＂CREATE TABLE tblDate（dateId string，theyearmonth string，theyear string，themonth string，thedate string，theweek string，theweeks string，thequot string，thetenday string，thehalfmonth string）ROW FORMAT DELIMITED FIELDS TERMINATED BY′，′LINES TERMINATED BY′＼n′＂），创建表tblDate，这个表定义了日期的分类，包括：日期、年月、年、月、日、周几、第几周、季度、旬、半月。
4）创建表tblStock。这个表里定义了订单表头，包括订单号、交易位置、交易日期
5）创建表tblStockDetail。这个表定义了订单明细，包括订单号（ordernumber）、行号（rownum）、货品（itemid）、数量（qty）、金额（price）、销售额（amount）。
（4）加载qryTheDate.txt、qryStockDetail.txt、qryStock.txt三个文件，分别生成三个表tblDate、tblStockDetail、tblStock的数据。
其中qryTheDate.txt、qryStockDetail.txt、qryStock.txt三个文件的表的数据，笔者提供了下载链接，可以通过百度网盘下载使用：http：//pan.baidu.com/s/1dD0JCpN。
（5）表数据的覆盖操作：当加载数据时，可以通过关键字OVERWRITE INTO实现覆盖表的原有数据的目的。
（6）表数据的查询操作。
1）查询表tblStock的数据量。
由以上运行结果可知，表tblStock一共有21154条数据。
2）查询表tblStockDetail的数据量。
由以上运行结果可知，表tblStock一共有287950条数据(www.xing528.com)
3）查询表tblStockDate的数据量。
由以上运行结果可知，表tblStockDate一共有4383条数据。
（7）复杂查询语句操作。
1）表tblStock和表tblStockDetail联接后，查询所有订单的总销售额。在spark-shell交互界面输入：hiveContext.hql（＂select sum（tblStockDetail.amount）from tblStock join tblStockDe-tail on tblStock.ordernumber＝tblStockDetail.ordernumber＂）.show命令，完成查询。
由上面的运行结果可知，表tblStock和表tblStockDetail联接后，所有订单的总销售额结果为：68100782元。
2）表tblStock和表tblStockDetail以别名的方式联接后，查询所有订单的总销售额。
从上面的运行结果可以看到，即使表tblStock和表tblStockDetail分别以别名a和b的方式进行联接，最终查询出来的所有订单的总销售额仍然是68100782元。
3）tblStock、tblStockDetail和tbldate三个表联接后，查询所有订单的总销售额。
由上面的运行结果可知，tblStock、tblStockDetail和tbldate三个表联接后，所有订单的总销售额是68099079元。
4）tblStock、tblStockDetail和tbldate三个表以别名的方式联接后，查询所有订单的总销售额。
从上面的运行结果可以看到，即使tblStock、tblStockDetail和tbldate三个表以别名的方式联接后，最终查询出来的所有订单的总销售额仍然是68099079元。
5）查询所有订单中每年的销售单数和销售总额。
由上面的运行结果可知，tblStock、tblStockDetail和tbldate三个表联接后，运行结果是2004～2010年所有订单中每年的销售单数和销售总额。比如，2004年每年销售单数是1094，销售总额是3265696元。
6）查询tblStock、tblStockDetail和tbldate三个表联接后每年每种货品的销售金额。
由上面的运行状况可知，tblStock、tblStockDetail和tbldate三个表联接后，运行结果是2004～2010年每年每种货品的销售金额。比如2007年货品YA214367230101的销售金融是11143元。
7）查询tblStock、tblStockDetail和tbldate三个表联接后每年单品的销售的最大金额。同样使用HiveContext对象的hql方法进行查询操作，一个SQL语句的字符串作为hql方法的参数来实现每年单品销售最大金额的查询。
由上面的运行状况可知，tblStock、tblStockDetail和tbldate三个表联接后，最终显示的2004～2010年每年单品销售的最大金额。例如2010年单品的销售最大金额是4494元。
8）查询所有订单中每年最畅销的货品：每年每种货品的销售金额和每年单品销售的最大金额相符，就是所有订单中每年最畅销的货品。由于SQL语句是MySQL的基础知识，这里我们不做具体的介绍。
由上面的运行状况可知，tblStock、tblStockDetail和tbldate三个表联接后，最终显示的2004～2010年所有订单中每年最畅销的货品。例如2004年订单JY424420810101为最畅销货品，销售额是53374元。
至此，使用hiveql语句对订单交易数据的操作进行完毕，这个案例是Spark SQL在生产环境中一个很有代表性的案例，望大家仔细揣摩，好好研究实践一下。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
