hive实例运用

参考资料：https://dblab.xmu.edu.cn/blog/1005/

1、Hive数据导入

（1）将small_user.csv文件导入到hive中

（2）根据导入数据格式特征，创建名为user的外部表

create external table if not exists myuser
(
`user_id` int,
`item_id` int,
`behaviour_type` int,
`user_geohash` string,
`item_category` string,
`time` string
)
row format delimited fields terminated by ',';

文件导入到hive中

load data local inpath '/home/hadoop/small_user.csv' overwrite into table myuser;

数据字段解释：

user_id（用户id）

item_id(商品id)

behaviour_type（包括浏览、收藏、加购物车、购买，对应取值分别是1、2、3、4）

user_geohash(用户地理位置哈希值，有些记录中没有这个字段值，可以删除此字段)

item_category（商品分类）

time（该记录产生时间）

2、Hive数据分析

（1）查询前10条数据

select * from myuser limit 10;

select behaviour_type from myuser limit 10;(指定列)

（2）查询2014年11月18日到2014年11月20日有多少人浏览了商品

select count(*) from myuser where behaviour_type='1' and `time`<'2014-11-18' and `time`>'2014-11-20';

（3）查询2014年12月12日“95qobv6”当天发出到该地点的货物的数量

select count(*) from myuser where user_geohash='95qobv6' and `time`='2014-12-12' and behaviour_type='4';

（4）查询2014年12月12日这一天在该网站浏览商品超过5次的用户id

select user_id from myuser where behaviour_type='4' and `time`='2014-12-12' group by uesr_id having count(behaviour_type='4')>5;

（5）统计2014年11月18日一天的用户行为，即分别有多少人浏览、收藏、加购物车、购买商品。

select count(*) from myuser where behaviour_type=1 and `time`='2014-11-18 02';
select count(*) from myuser where behaviour_type=2 and `time`='2014-11-18 02';
select count(*) from myuser where behaviour_type=3 and `time`='2014-11-18 02';
select count(*) from myuser where behaviour_type=4 and `time`='2014-11-18 02';
select behaviour_type, count(behaviour_type) count_tape  from myuser where `time`= '2014-11-18 02' group by behaviour_type;

（6）统计2014年12月12日商品购买率最高的5件商品

select item_id from myuser where `time`= '2014-11-18 11'and behaviour_type='4' order by behaviour_type limit 5;

1. 统计2014年12月12日购物力最强的前10位客户

select user_id from myuser where `time`= '2014-12-12 01'and behaviour_type='4' order by behaviour_type limit 10;

（8）统计网站每个月卖出的商品的个数

（9）查询2014年12月12日所有地区用户行为分布情况