通过Dataworks的Pyodps连接Oracle库定时调度发送邮件报表Excel_python 连接 dataworks

问题拆解

一看这个标题就知道是一个极其麻烦的事，将一系列小问题串起来了，可以分解为以下几个问题：

1. 使用dataworks连接oracle库获取数据 （以下统称DW）

2. 用pyodps处理oracle的数据，并按时进行调度

3. 将数据转换成Excel形式通过邮件发出

这么看来，一份工作干三份活真是刺激。

获取数据

首先得解决数据问题，怎样获取oracle的定制数据

1. 开始考虑的是直接从pyodps脚本中直接建立oracle连接，因为需要运行特定的SQL，然而发现并不行，python连接oracle需要提供Oracle客户端才能连接，本地可以下载Oracle的客户端，连接Oracle从而执行pyodps，但是DW无法安装linux的Oracle客户端，因此这个方案被pass掉了

2. 用数据集成的方式将所有的表同步到Maxcompute中（以下统称MC），但是通过过来后发现SQL中有Oracle的自定义函数（我真是服了），同步来的数据也没法使用（我再去写一个UDF来的时间比这个任务时间都长）。

3. 实属是没办法了，想到了建立数据集成的方式，通过同步来将指定SQL的数据导入MC，但是通常都是向导模式进行的数据集成，也就是说最多只涵盖where条件，无法运行特定的join或者oracle自定义函数

4. 考虑到之前同步神策的impala数据时用的脚本模式，心想底层DataX也是同Sqoop一样，通过SQL查询来同步数据的，因此考虑脚本模式查询Oracle数据，以下还有一个坑：查询的SQL的结尾不能带分号‘;’

{
    "type": "job",
    "version": "2.0",
    "steps": [
        {
            "stepType": "oracle",
            "parameter": {
                "querySql": "你需要同步的SQL",
                "datasource": "medilink",
                "readMode": "jdbc"
            },
            "name": "Reader",
            "category": "reader"
        },
        {
            "stepType": "odps",
            "parameter": {
                "partition": "pt=${bizdate}",
                "truncate": true,
                "datasource": "odps_first",
                "envType": 0,
                "column": [
                    "id"
                ],
                "emptyAsNull": false,
                "table": "report_1"
            },
            "name": "Writer",
            "category": "writer"
        }
    ],
    "setting": {
        "errorLimit": {
            "record": "100"
        },
        "locale": "zh",
        "speed": {
            "throttle": false,
            "concurrent": 2
        }
    },
    "order": {
        "hops": [
            {
                "from": "Reader",
                "to": "Writer"
            }
        ]
    }
}

通过脚本调度后这样就将数据同步到了MC中。

处理数据

由于业务需求，要将数据处理成.xlsx格式，也就是Excel表格，这里给出代码

from odps import ODPS
import xlsxwriter  # 导入模块
import re
 
today = args['bizdate']
file_name = today + '-文件名' + '.xlsx'
table_name = '*****'  # 表名称
head_is_comment = False  # 表头是否为备注
 
 
# 从maxcompute 下载数据
def download_file(table_name, file_name, head_is_comment):
    # 对应odps配置
    o = ODPS('access_id', 'access_key', 'project_name',
             endpoint='http://service.cn-hangzhou.maxcompute.aliyun.com/api')
 
    # 获取表字段
    tableSchema = o.get_table(table_name).schema 
 
    # 将字段转换成列名
    head = list(map(lambda x: x.comment, tableSchema.columns)) if head_is_comment else tableSchema.names
    data = []
    # 执行SQL获取数据
    reader = o.execute_sql(' select  * from ' + table_name +' where pt='+ today).open_reader(tunnel=True, limit=False)
 
    # 数据装载到data中
    for record in reader:
        tmp_value = []
 
        for name in tableSchema.names:
            if isinstance(record[name], str):
                ILLEGAL_CHARACTERS_RE = re.compile(r'[\000-\010]|[\013-\014]|[\016-\037]')
                tmp_value.append(ILLEGAL_CHARACTERS_RE.sub(r'', record[name]))
            else:
                tmp_value.append(record[name])
        data.append(tmp_value)
 
    # 新建excel表
    workbook = xlsxwriter.Workbook(file_name)  
    worksheet = workbook.add_worksheet('sheet1')
    worksheet.write_row('A1', head)
    row = 2
    # 迭代数据并逐行写入
    for i in range(0, len(data)):
        worksheet.write_row('A' + str(row), data[i])
        row += 1
    workbook.close()
    pass

有一个点就是pyodps怎么去自定义调度参数的问题：

发送邮件

该需求要群发邮件，下面给出邮件发送模块的代码：

import smtplib
from email.mime.application import MIMEApplication
from email.mime.multipart import MIMEMultipart
 
receivers = ['xxx','xxx@xxx.com','xxx@xxx.com.cn']  # 接受者
 
def send_email(file_name,receivers):
    # 邮件一些设置
    mail_host = 'smtp.qiye.163.com'
    mail_username = '****.com' #写你的邮箱地址
    mail_password = 'EffPHKMwyC6WT1E7'  # 写你的邮箱授权码，不是密码！
    mail_sender = '*****.com' #写你的邮箱地址
    mail_receivers = receivers  ##收件人邮箱地址
    message = MIMEMultipart()
 
    # 邮件抬头
    message['Subject'] = '写你的邮件主题'
    message['From'] = mail_sender
    message['To'] = ','.join(mail_receivers)
 
    # 构造附件，传送当前目录下的 Excel 文件
    part = MIMEApplication(open(file_name, 'rb').read())
    part.add_header('Content-Disposition', 'attachment', filename=file_name)
    message.attach(part)
    try:
        smtpObj = smtplib.SMTP_SSL(mail_host + ':465')
        smtpObj.login(mail_username, mail_password)
        # for receiver in mail_receivers:
        smtpObj.sendmail(mail_sender, mail_receivers, message.as_string())
        smtpObj.quit()
        print('mail send success')
    except smtplib.SMTPException as e:
        print('mail send error', e)

这里有个两个点，第一个是需要去开通邮箱的SMTP服务，这里不做赘述；第二个点是邮件群发的问题，群发对象不能用list表示，要将其通过逗号','进行分隔成字符串的形式装入邮件收件人中

调用函数

直接运行就好了

download_file(table_name, file_name, head_is_comment)
send_email(file_name, receivers)

然后剩下的就是设置任务依赖，将之前的数据集成任务设置成上游，定时调度等等

完成了就可以得到对应的邮件了