报表数据源之Hadoop

集算报表支持的数据源类型除传统的关系型数据库外，还支持：TXT文本、Excel、JSON、HTTP、Hadoop、mongodb等。

对于Hadoop，集算报表既可以直接访问Hive，也可以读取HDFS中的数据，完成数据计算和报表开发。Hive的访问和普通数据库一样使用JDBC就可以，这里不再赘述了。下面通过一个例子来看直接访问HDFS的过程。

报表说明

股票交易记录按月以文本形式存储在HDFS中，文件名为stock_record_yyyyMM.txt（如stock_record_200901.txt），内容包括股票代码、交易日期和收盘价。根据指定月份查询并计算各只股票的收盘均价，以便进行股价趋势分析。文本内容如下：

code tradingDate price

120089 2009-01-0100:00:00 50.24

120123 2009-01-0100:00:00 10.35

120136 2009-01-0100:00:00 43.37

120141 2009-01-0100:00:00 41.86

120170 2009-01-0100:00:00 194.63

区别于一般报表工具，集算报表可以直接访问HDFS完成数据的读取计算，以下为实现过程。

拷贝相关jar包

使用集算报表访问HDFS时需要加载Hadoop核心包及配置包，如：commons-configuration-1.6.jar、commons-lang-2.4.jar、hadoop-core-1.0.4.jar（Hadoop1.0.4）。将以上jar拷贝到[集算报表安装目录]\report\lib和[集算器安装目录]\esproc（如果需要使用集算器编辑器编辑和调试脚本的话）下。

编写计算脚本

使用集算编辑器编写脚本（stockFromHdfsTxt.dfx），完成HDFS的文件读入和数据过滤，为报表返回结果集。由于要接收报表传递的参数，首先设置脚本脚本参数。

编辑脚本。

A1：使用hdfsfile函数根据文件路径和指定参数创建HDFS文件游标；

A2：针对股票代码汇总收盘价和数量；

A3：计算每只股票的平均收盘价，通过A4为报表返回结果集。

编辑报表模板

使用集算报表设计器新建报表模板，并设置参数：

设置数据集，使用“集算器”数据集类型，调用编辑好的脚本文件（stockFromHdfsTxt.dfx）。

其中，dfx文件路径既可以是绝对路径，也可以是相对路径，相对路径是相对选项中配置的dfx主目录的。

编辑报表表达式，直接使用集算脚本返回的结果集，完成报表制作。

值得注意的是，在报表设计器中预览时，需要将Hadoop相关jar包拷贝到[集算报表安装目录]\report\lib下。

除了可以直接访问HDFS的文本文件外，集算报表也可以读取HDFS中的压缩文件。这时仍然使用hdfsfile函数，由扩展名决定解压方式。比如，要访问Gzip文件可以这样写：

=hdfsfile("hdfs://192.168.1.210:9000/usr/local/hadoop/data/stock_record_"+d_date+".gz","GBK")，只需在将扩展名包含在url中即可。

通过上面的实现可以看到，使用集算器脚本可以很方便地完成HDFS文件的读取计算，而且外置的集算脚本具有可视化的编辑调试环境，编辑好的脚本还可以复用（被其他报表或程序调用）。不过，如果脚本已经调试好，而且不需要复用的时候，要维护两个文件（集算脚本和报表模板）的一致性会比较麻烦，这时候直接使用集算报表的脚本数据集就比较简单了。

在脚本数据集中可以分步编写脚本完成计算任务，语法与集算器一致，还可以直接使用报表定义好的数据源（本例并未涉及）和参数。使用脚本数据集可以这样完成：

1. 在数据集设置窗口中点击“增加”按钮，弹出数据集类型对话框，选择“脚本数据集”；

2. 在弹出的脚本数据集编辑窗口中编写脚本；

直接使用报表定义的参数arg1。

3.报表参数设置和报表表达式，与使用集算器数据集一致，不再赘述。

报表部署时，同样需要将Hadoop的相关jar放到应用classpath下，如应用的web-inf\lib下。

集算报表下载：http://www.raqsoft.com.cn/?p=208 。