Hive QL解题流程详解三

第5题

有日志如下，请写出代码求得所有用户和活跃用户的总数及平均年龄。（活跃用户指连续两天都有访问记录的用户）日期 用户 年龄

数据集

2019-02-11,test_1,23
2019-02-11,test_2,19
2019-02-11,test_3,39
2019-02-11,test_1,23
2019-02-11,test_3,39
2019-02-11,test_1,23
2019-02-12,test_2,19
2019-02-13,test_1,23
2019-02-15,test_2,19
2019-02-16,test_2,19

1） 建表

create table log_info(
dt string,
user string,
age int
)
row format delimited
fields terminated by ',';   

需求：所有用户和活跃用户的总数及平均年龄

2） 按照日期以及用户进行分组，按照日期排序并给出排名

select
dt,
user,
min(age) age,
rank() over(partition by user order by dt) rk
from log_tab
group by
dt,
user;t1

3) 计算日期及排名的差值

select
user,
age,
data_sub(dt,rk) flag
from
t1;t2

4） 过滤出差值大于等于2的，即是连续两天活跃的用户

sel