步骤3：数据开发处理

本步骤通过电影信息和评分信息的原始数据，分析评分最高的Top10电影和最活跃的Top10电影，然后通过作业定期调度执行并将结果每日导出到表中，以支撑信息分析。

创建DWS SQL脚本top_rating_movie（用于存放评分最高的Top10电影）

评分最高Top10电影的计算方法是：先计算出每部电影的总评分和参与评分的用户数，过滤掉参与评分的用户数小于3的记录，返回电影名称、平均评分和参与评分用户数。

在DataArts Studio控制台首页，选择对应工作空间的“数据开发”模块，进入数据开发页面。
创建一个DWS SQL脚本，以通过DWS SQL语句来创建数据表。

图1 新建脚本

在新建脚本弹出的SQL编辑器中输入如下SQL语句，单击“运行”，从movies_item和ratings_item表中计算出评分最高的Top10电影，将结果存放到top_rating_movie表。

SET
    SEARCH_PATH TO dgc;
insert
    overwrite into top_rating_movie
select
    a.movieTitle,
    b.ratings / b.rating_user_number as avg_rating,
    b.rating_user_number
from
    movies_item a,
    (
        select
            movieId,
            sum(rating) ratings,
            count(1) as rating_user_number
        from
            ratings_item
        group by
            movieId
    ) b
where
    rating_user_number > 3
    and a.movieId = b.movieId
order by
    avg_rating desc
limit
    10

图2 脚本（top_rating_movie）
点击放大

关键参数说明：

数据连接：步骤4中创建的DWS数据连接。
数据库：步骤6中创建的数据库。

脚本调试无误后，单击“保存并提交版本”提交该脚本，脚本名称为“top_rating_movie”。在后续开发并调度作业引用该脚本。
脚本保存完成且运行成功后，您可通过如下SQL语句查看top_rating_movie表数据。您还可以参考图3，下载或转储表数据。
```
SET SEARCH_PATH TO dgc;
SELECT * FROM top_rating_movie
```
图3 查看top_rating_movie表数据

创建DWS SQL脚本top_active_movie（用于存放最活跃的Top10电影）

最活跃Top10电影的计算方法是：平均评分大于3.5的电影中用户评分数最多的10部电影。

在DataArts Studio控制台首页，选择对应工作空间的“数据开发”模块，进入数据开发页面。
创建一个DWS SQL脚本，以通过DWS SQL语句来创建数据表。

图4 新建脚本

在新建脚本弹出的SQL编辑器中输入如下SQL语句，单击“运行”，从movies_item和ratings_item表中计算出最活跃的Top10电影，将结果存放到top_active_movie表。

SET
    SEARCH_PATH TO dgc;
insert
    overwrite into top_active_movie
select
    *
from
    (
        select
            a.movieTitle,
            b.ratingSum / b.rating_user_number as avg_rating,
            b.rating_user_number
        from
            movies_item a,
            (
                select
                    movieId,
                    sum(rating) ratingSum,
                    count(1) as rating_user_number
                from
                    ratings_item
                group by
                    movieId
            ) b
        where
            a.movieId = b.movieId
    ) t
where
    t.avg_rating > 3.5
order by
    rating_user_number desc
limit
    10

图5 脚本（top_active_movie）
点击放大

关键参数说明：

数据连接：步骤4中创建的DWS数据连接。
数据库：步骤6中创建的数据库。

脚本调试无误后，单击“保存并提交版本”提交该脚本，脚本名称为“top_active_movie”。在后续开发并调度作业引用该脚本。
脚本保存完成且运行成功后，您可通过如下SQL语句查看top_active_movie表数据。您还可以参考图6，下载或转储表数据。
```
SET SEARCH_PATH TO dgc;
SELECT * FROM top_active_movie
```
图6 查看top_active_movie表数据

开发并调度作业

假设OBS中“movie”和“rating”表是每日更新的，我们希望每天更新Top10电影，那么这里可以使用DLF作业编排和作业调度功能。

在DataArts Studio控制台首页，选择对应工作空间的“数据开发”模块，进入数据开发页面。
创建一个DLF批处理作业，作业名称为“topmovie”。

图7 新建作业

图8 配置作业
在作业开发页面，拖动2个CDM Job节点、3个Dummy节点和2个DWS SQL节点到画布中，选中连线图标并拖动，编排图9所示的作业。

图9 连接和配置节点属性

关键节点说明：
- Begin（Dummy节点）：不执行任何操作，只作为起始点的标识。
- movies_obs2dws（CDM Job节点）：在节点属性中，选择步骤2：数据集成中的CDM集群，并关联CDM作业“movies_obs2dws”。
- ratings_obs2dws（CDM Job节点）：在节点属性中，选择步骤2：数据集成中的CDM集群，并关联CDM作业“ratings_obs2dws”。
- Waiting（Dummy节点）：不执行任何操作，作为等待前侧节点执行结束的标识。
- top_rating_movie（DWS SQL节点）：在节点属性中，关联创建DWS SQL脚本top_rating_movie中开发完成的DWS SQL脚本“top_rating_movie”。
- top_active_movie（DWS SQL节点）：在节点属性中，关联创建DWS SQL脚本top_active_movie中开发完成的DWS SQL脚本“top_active_movie”。
- Finish（Dummy节点）：不执行任何操作，只作为结束点的标识。
作业编排完成后，单击，测试运行作业。
如果作业运行正常，单击“调度配置”，配置作业的调度策略。

图10 调度配置

说明：
- 2022/02/09至2022/02/28，每天1点00分执行一次作业。
- 依赖属性：可以配置为依赖其他作业运行，本例不涉及，无需配置。
- 跨周期依赖：可以选择配置为依赖上一周期或者不依赖，此处配置为不依赖即可。
最后保存并提交版本（单击），执行调度作业（单击）。实现作业每天自动运行，Top10电影的结果自动保存到“top_active_movie”和“top_rating_movie”表。
您如果需要及时了解作业的执行结果是成功还是失败，可以通过数据开发的运维调度界面进行查看，如图11所示。

图11 查看作业执行情况