文章目录
- 问题
- 实现方式
- 1. 实现SQL
- 2. 实现步骤
问题
如何通过SQL获取每个月连续登陆超过5天的用户?
例如,某个用户3月的登录数据如下(一个用户在一天之内可能会登录多次):
user_id | login_time |
---|---|
0001 | 2021-03-01 09:20:36 |
0001 | 2021-03-01 13:45:36 |
0001 | 2021-03-02 10:20:36 |
0001 | 2021-03-03 07:20:36 |
0001 | 2021-03-09 09:20:36 |
0001 | 2021-03-10 09:20:36 |
0001 | 2021-03-11 09:20:36 |
0001 | 2021-03-11 20:20:36 |
0001 | 2021-03-12 09:20:36 |
0001 | 2021-03-13 09:20:36 |
0001 | 2021-03-14 09:20:36 |
0001 | … |
实现方式
1. 实现SQL
先上实现SQL语句:
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28select distinct month, user_id from ( select user_id, date_format(login_time, "yyyy-MM") month, row_number over(partition by user_id, new_login_time order by new_login_time asc) as rn_1 from ( select user_id, login_time, date_sub(login_time, rn) new_login_time from ( select user_id, login_time, row_number over(partition by user_id order by login_time asc) as rn from ( select distinct user_id, date_format(login_time, "yyyy-MM-dd") login_time from t ) t1 ) t2 ) t3 ) t4 where rn_1 >= 5
2. 实现步骤
- 由于一天之内同一个用户会登录多次,我们将login_time格式化成时分秒(yyyy-MM-dd)的格式,并对整个数据进行去重,输出数据如下:
user_id | login_time |
---|---|
0001 | 2021-03-01 |
0001 | 2021-03-02 |
0001 | 2021-03-03 |
0001 | 2021-03-09 |
0001 | 2021-03-10 |
0001 | 2021-03-11 |
0001 | 2021-03-12 |
0001 | 2021-03-13 |
0001 | 2021-03-14 |
0001 | … |
- 使用窗口函数对步骤1输出的数据进行组内排序,SQL如下:
复制代码
1
2
3//rn为行号标记 row_number over(partition by user_id order by login_time asc) as rn
排序之后的数据如下:
user_id | login_time | rn |
---|---|---|
0001 | 2021-03-01 | 1 |
0001 | 2021-03-02 | 2 |
0001 | 2021-03-03 | 3 |
0001 | 2021-03-09 | 4 |
0001 | 2021-03-10 | 5 |
0001 | 2021-03-11 | 6 |
0001 | 2021-03-12 | 7 |
0001 | 2021-03-13 | 8 |
0001 | 2021-03-14 | 9 |
0001 | … | … |
- 我们将login_time列减去rn列,输出以下数据:
user_id | login_time | new_login_time |
---|---|---|
0001 | 2021-03-01 | 2021-02-28 |
0001 | 2021-03-02 | 2021-02-28 |
0001 | 2021-03-03 | 2021-02-28 |
0001 | 2021-03-09 | 2021-03-05 |
0001 | 2021-03-10 | 2021-03-05 |
0001 | 2021-03-11 | 2021-03-05 |
0001 | 2021-03-12 | 2021-03-05 |
0001 | 2021-03-13 | 2021-03-05 |
0001 | 2021-03-14 | 2021-03-05 |
0001 | … | … |
- 对步骤3输出的数据进行组内排序,SQL如下:
复制代码
1
2
3//rn_1为行号标记 row_number over(partition by user_id, new_login_time order by new_login_time asc) as rn_1
排序之后输出数据如下:
user_id | login_time | new_login_time | rn_1 |
---|---|---|---|
0001 | 2021-03-01 | 2021-02-28 | 1 |
0001 | 2021-03-02 | 2021-02-28 | 2 |
0001 | 2021-03-03 | 2021-02-28 | 3 |
0001 | 2021-03-09 | 2021-03-05 | 1 |
0001 | 2021-03-10 | 2021-03-05 | 2 |
0001 | 2021-03-11 | 2021-03-05 | 3 |
0001 | 2021-03-12 | 2021-03-05 | 4 |
0001 | 2021-03-13 | 2021-03-05 | 5 |
0001 | 2021-03-14 | 2021-03-05 | 6 |
0001 | … | … | … |
这一步其实也可以通过group by分组求和,取大于等于5的记录。
- 过滤出那些rn_1大于等于5的记录,并对user_id进行去重,就能得出每月连续登陆大于等于5天的用户了。
最后
以上就是欢呼纸飞机最近收集整理的关于Spark——Spark/Hive SQL计算获取连续登陆N天及以上的用户问题实现方式的全部内容,更多相关Spark——Spark/Hive内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
发表评论 取消回复