一、准备数据

因为数据目前在本地，所以先将数据上传至Hive，再进行清洗。
上传步骤：
1、将数据上传至虚拟机中：使用rz -E 选择文件
2、进入hive，选择数据库，并进行建表
注意：建表的时候，要保证表的分隔符要和数据本身的分隔符相同，否则导入数据的时候会出现所有数据都插入到同一列。

create table data(
TRIP_ID string,CALL_TYPE string,
ORIGIN_CALL string,ORIGIN_STAND string,
TAXI_ID string,TIME_STAMP string,
DAY_TYPE string,MISSING_DATA string,POLYLINE array<string>)
row format delimited fields terminated by '\t';

3、将刚刚上传的数据导入创建的表中

load  data local inpath '/data/data.txt' into table data;

4、导入成功之后，可以查询验证一下数据是否完整。

select * from data;

二、编写Spark代码

package 数据清洗

import org.apache.spark.sql.SparkSession
import org.apache.spark.{SparkConf, SparkContext}

import java.util.Properties
//TODO 此代码是最基本的提取Hive数仓的数据清洗之后并存入Mysql步骤
object Q1_test {
  def main(args: Array[String]): Unit = {
    //TODO 配置SparkSql参数
    val sparkConf=new SparkConf().setAppName("name").setMaster("local[*]")
    val sc=new SparkContext(sparkConf)
    val spark=SparkSession.builder().config("hive.metastore.uris","thrift://192.168.38.144:9083")
    .config(sparkConf).enableHiveSupport().getOrCreate()
//    spark.sql("use ssm")
    //TODO 提取数据
    val sourcedata=spark.sql("select time_stamp from test.data") 
    //test.data 表示test为数据库的名字，data为表名
    
    sourcedata.createTempView("timestamp")
    //使用HQL语句清洗数据
    val result=spark.sql("select from_unixtime(regexp_extract(time_stamp,'([0-9]+)',0))as times from timestamp order by times desc limit 10")

    //TODO 配置Mysql并写入
    val prop=new Properties()
    prop.put("user","root")
    prop.put("password","123456")
    val url="jdbc:mysql://192.168.38.160:3306/test"
    result.write.mode("overwrite").jdbc(url,"result2",prop)
    spark.stop()
  }
}

代码运行成功之后就可以进入mysql查询数据了！

注意事项：

Spark连接Hive之前，需要执行提前打开hiveserver的端口：
在虚拟机输入命令：hive --service metastore
此命令为堵塞进程，打开之后复制会话窗口执行后续操作。