大數據 - ODS&DWD&DIM-SQL分享

来源:https://www.cnblogs.com/vipsoft/archive/2022/12/29/16999283.html
-Advertisement-
Play Games

大數據 ODS&DWD&DIM-SQL分享 需求 思路一:等差數列 斷2天、3天,嵌套太多 1.1 開窗,按照 id 分組,同時按照 dt 排序,求 Rank -- linux 中空格不能用 tab 鍵 select id,dt,rank() over(partition by id order b ...


大數據 ODS&DWD&DIM-SQL分享 需求
image
image

思路一:等差數列

斷2天、3天,嵌套太多

1.1 開窗,按照 id 分組,同時按照 dt 排序,求 Rank

-- linux 中空格不能用 tab 鍵
select id,dt,rank() over(partition by id order by dt) rk from tx;

image

1.2 將每行日期減去RK值,如果之前是連續的日期,則相減之後為相同日期

z: 等差
(x1+z)-(y1+z)=x1-y1

select id,dt,date_sub(dt,rk) flg 
from (select id,dt,rank() over(partition by id order by dt) rk from tx) t1;

image
斷一天的數據,flag 變成了連續

1.3 計算絕對連續的天數

select id,flag,count(*) days
from (
  select id,dt,date_sub(dt,rk) flg
  from (select id,dt,rank() over(partition by id order by dt) rk from tx) t1;
)t2 group by id,flag;

image
image

1.4 再計算連續問題

select id,flag,days,rank() over(partition by id order by flag) newFlag
from t3;

image

1.5 將 flag 減去 newflag

select id,days,date_sub(flag,newFlag) flag
from t4;t5

image

1.6 計算每個用戶連續登錄的天數,斷一天也算

select id,sum(days)+count(1) days
from t5
group by id,flag;[t6]

1.7 計算最大連續天數

select id,max(days)
from t6
group by id;

準後再-1
image

思路二

2.1 將上一行數據下移

--下移預設值,一般給 1970-01-01,上移預設值一般 9999-01-01
select id,dt,lag(dt,1,'1970-01-01') over(partition by id order by dt) lagDt
from tx; t1

2.2 將當前行日期減去下移的日期

select id,dt,datediff(dt,lagDt) dtDiff
from t1; t2

執行

select id,dt,datediff(dt,lagDt) dtDiff
from (
select id,dt,lag(dt,1,'1970-01-01') over(partition by id order by dt) lagDt
from tx) t1;

image
每碰到一個 >2 的就分組 + 1
image

2.3 分組

select id,dt,sum(if(dtDiff>2,1,0)) over(partition by id order by dt) flag
from t2; t3
select id,dt,sum(if(dtDiff>2,1,0)) over(partition by id order by dt) flag
from (
select id,dt,datediff(dt,lagDt) dtDiff
from (
select id,dt,lag(dt,1,'1970-01-01') over(partition by id order by dt) lagDt
from tx) t1
) t2;

image

select id,flag,datediff(max(dt),min(dt))+1
from t3
group by id,flag;

帶入執行

--斷3天把2改成3,斷4天把2改成4
select id,flag,datediff(max(dt),min(dt))+1
from (
select id,dt,sum(if(dtDiff>2,1,0)) over(partition by id order by dt) flag
from (
select id,dt,datediff(dt,lagDt) dtDiff
from (
select id,dt,lag(dt,1,'1970-01-01') over(partition by id order by dt) lagDt
from tx) t1
) t2
)t3
group by id,flag;

image

2.3 求分組後的最大值

HiveOnSpark: 有個BUG, datediff over 子查詢 => null point
解決方案:

  1. 換MR引擎
  2. 將時間欄位由 String 類型改成 Date 類型

https://www.bilibili.com/video/BV1Ju411o7f8/?p=69


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 來源:blog.csdn.net/randompeople/article/details/114917087 為什麼 java wait/notify 必須與 synchronized 一起使用 這個問題就是書本上沒怎麼講解,就是告訴我們這樣處理,但沒有解釋為什麼這麼處理?我也是基於這樣的困惑去了 ...
  • 在2012 年 10 月,一個叫 Mike Youngstrom 的人在 Spring Jira 中創建了一個功能請求,要求在 Spring Framework 中支持無容器 Web 應用程式體繫結構,提出了在主容器引導 Spring 容器內配置 Web 容器服務;這件事情對 SpringBoot ... ...
  • 初識Java Java的特性和優勢 簡單性 就是c++語法的純凈版。沒有頭文件,指針運算,結構,聯合,操作符重載,虛基類等等。 面向對象 面向對象是一種程式設計技術,他將重點放在數據(即對象)和對象之間的介面上。萬物皆對象! 可移植性 這是JAVA的一個重要的優勢。JAVA代碼或者說位元組碼、二進位碼 ...
  • 數據分頁往往有三種常用方案。 第一種,把資料庫中存放的相關數據,全部讀入PHP/Java/C#代碼/記憶體,再由代碼對其進行分頁操作(速度慢,簡易性高)。 第二種,直接在資料庫中對相關數據進行分頁操作,再把分頁後的數據輸出給代碼程式(速度中,簡易性中)。 第三種,先把資料庫中的相關數據全部讀入“緩存” ...
  • VSCode + JTAG調試合宙ESP32C3 環境 Windows10 VSCode + ESP-IDF 合宙ESP32C3(無串口晶元版本) 理論 想要直接使用內置JTAG,USB要求連接GPIO18和GPIO19 合宙ESP32C3有串口晶元版本USB經過CH343連接的串口,無法使用內置J ...
  • 一、背景 作為在後端圈開車的多年老司機,是不是經常聽到過,“mysql 單表最好不要超過 2000w”,“單表超過 2000w 就要考慮數據遷移了”,“你這個表數據都馬上要到 2000w 了,難怪查詢速度慢”。 這些名言民語就和“群里只討論技術,不開車,開車速度不要超過 120 碼,否則自動踢群”, ...
  • vivo 實時計算平臺是 vivo 實時團隊基於 Apache Flink 計算引擎自研的覆蓋實時流數據接入、開發、部署、運維和運營全流程的一站式數據建設與治理平臺。 ...
  • 之前數據分層處理,最後把輕度聚合的結果保存到 ClickHouse 中,主要的目的就是提供即時的數據查詢、統計、分析服務。這些統計服務一般會用兩種形式展現,一種是為專業的數據分析人員的 BI 工具,一種是面向非專業人員的更加直觀的數據大屏。 以下主要是面向百度的 sugar 的數據大屏服務的介面開發 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...