本篇博客探讨了利用Hive处理大规模数据的问题，包括统计店铺UV、用户按年龄和消费金额排序以及分析用户人生阶段。同时，介绍了在面对LifeStage表的不同数据存储方式时如何进行数据整合，并讲解了Hive中的concat、concat_ws、GROUP_CONCAT以及collect_set和collect_list函数的使用技巧。
- 有十万个淘宝店铺,每个顾客访问任意一个店铺事都会生成一条访问日志,存储表为 Visit,其中访问用户ID字段名称为uid,访问的店铺字段名称为store,请统计每个店 铺的UV.(UV指的是独立访问用户,即指单个用户)
select
store,count(distinct uid) UV
from Visit group by store;
- 有一亿个用户,被存储于表Users中,其中有用户唯一字段UID,用户年龄age和用户 消费总金额total,请以代码或技术方案阐述的方式,分别用SQL,或者spark core按照 用户年龄从大到小排序,如果年龄相同,则按照总消费金额按照从小到大排序.
select
UID,age,total
from Users
最低0.47元/天 解锁文章
483
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
