一、Apache Hive
1、ETL数据清洗
数据问题
问题1:当前数据中,有一些数据的字段为空,不是合法数据
解决:where 过滤
问题2:需求中,需要统计每天、每个小时的消息量,但是数据中没有天和小时字段,只有整体时间字段,不好处理
解决:Substr函数
问题3:从GPS的经纬度中提取经度和纬度
解决:split函数
问题4:将ETL以后的结果保存到一张新的Hive表中
解决:create table ... as select ....
2、SQL编写与指标计算
需求:
1、统计今日总消息量
-- 按天分组,求总和
select dayinfo,count(*) as tolal_cnt from t_msg group by dayinfo
2、统计今日每小时消息量、发送和接收用户数
-- 按天,小时分组,求发送/接收用户数--一人发送多条消息
select dayinfo,hourinfo,count(*) as tolal_cnt,count(distinct sender_account) as sender_cnt,count(distinct recdiver_account) as recdiver_cntfrom t_msg group by dayinfo,hourinfo
3、统计今日各地区发送消息数据量
4、统计今日发送消息和接收消息的用户数
-- 按天分组,求发送/接收用户数--一人发送多条消息
select dayinfo,count(*) as tolal_cnt,count(distinct sender_account) as sender_cnt,count(distinct recdiver_account) as recdiver_cntfrom t_msg group by dayinfo
5、统计今日发送消息最多的Top10用户
-- 按天和用户分组,求发送用户数--一人发送多条消息
select dayinfo,send_name,count(*) as msg_cntfrom t_msg group by dayinfo,send_name order by msg_cnt desc limit 10;
6、统计今日接收消息最多的Top10用户
-- 按天和用户分组,求发送用户数--一人发送多条消息
select dayinfo,recdiver_name,count(*) as msg_cntfrom t_msg group by dayinfo,recdiver_name order by msg_cnt desc limit 10;
7、统计发送人的手机型号分布情况
8、统计发送人的设备操作系统分布情况
1、实际开发中,拿到业务需求指标,如何下手?
2、SQL层面如何编写查询语句?
例:
需求:统计每个城市男女人数与男女平均年龄(表:t_user[id,name,age,sex,city])
分组字段:每个城市、男女
聚合字段:人数、平均年龄
count(id)就是统计每个分组中的条数--->人数
avg(age)就是统计每个分组中年龄的平均值--->平均年龄
3、FineBI实现可视化报表
Apache Hive(二)
请记住,你当下的结果,由过去决定;你现在的努力,在未来见效;
不断学习才能不断提高!磨炼,不断磨炼自己的技能!学习伴随我们终生!
生如蝼蚁,当立鸿鹄之志,命比纸薄,应有不屈之心。
乾坤未定,你我皆是黑马,若乾坤已定,谁敢说我不能逆转乾坤?
努力吧,机会永远是留给那些有准备的人,否则,机会来了,没有实力,只能眼睁睁地看着机会溜走。