[hive]留存率(次日/七日/月)

胖胖学编程

已于 2023-07-07 16:22:08 修改

阅读量614

点赞数 1

分类专栏： hive 文章标签： hive

于 2023-02-08 16:09:27 首次发布

本文链接：https://blog.csdn.net/qq_35896718/article/details/128937572

版权

hive 专栏收录该内容

55 篇文章

订阅专栏

文章描述了如何利用HQL查询语言处理日志数据，计算特定日期范围（2021-01-01至2022-02-01）内的次日留存率。通过建立临时表，插入样本数据，然后执行左连接和分组计数操作，来确定在次日仍然活跃的用户比例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、需求

使用hql对以下日志进行分析，加工出2021-01-01到2022-02-01期间的次日留存率。

2022-02-01的次日留存率=2022-02-01登录的人中也在2022-02-02登录的人数/2022-02-01登录的人数

user_id	login_time
c769fefc10eda98b	2021-01-01 12:00:00
c769fefc10eda98b	2021-01-02 11:00:00
c769fefc10eda98b	2021-01-03 11:10:00
ec5e97ab48c92879	2021-01-01 12:00:00
ec5e97ab48c92879	2021-01-02 12:00:00
3d610dc3a2414000	2021-01-01 12:00:00

2、思路

求2021-01-01的次日留存，join后分组是这样的，找到差为1的id再去重就可以了，如果是七日留存，则差为7

user_id	login_time
c769fefc10eda98b	2021-01-01	2021-01-02
c769fefc10eda98b	2021-01-01	2021-01-03
c769fefc10eda98b	2021-01-02	2021-01-03
c769fefc10eda98b	2021-01-03	NULL
ec597ab48c92879	2021-01-01	2021-01-02
ec5e97ab48c92879	2021-01-02	NULL
3d610dc3a241400	2021-01-01	NULL

3、建表

drop table tmp.test_liucun;
create table tmp.test_liucun(
    user_id string,
    login_time string
)
row format delimited
fields terminated by "\t";

insert into table tmp.test_liucun
select "c769fefc10eda98b","2021-01-01 12:00:00"
union select"c769fefc10eda98b","2021-01-02 11:00:00"
union select "c769fefc10eda98b","2021-01-03 11:10:00"
union select "ec5e97ab48c92879","2021-01-01 12:00:00"
union select "ec5e97ab48c92879","2021-01-02 12:00:00"
union select "3d610dc3a2414000","2021-01-01 12:00:00"
;

4、实现

select
t1.dt,
count(distinct if(datediff(t2.dt,t1.dt)=1,t2.user_id,null))/count(distinct t1.user_id) cnt
--count(distinct if(datediff(t2.dt,t1.dt)=7,t2.user_id,null))/count(distinct t1.user_id) cnt 如果求7日留存就是差为7
from
(
    select user_id,date_format(login_time,"yyyy-MM-dd") dt
    from tmp.test_liucun
    where date_format(login_time,"yyyy-MM-dd")>="2021-01-01" and date_format(login_time,"yyyy-MM-dd")<=date_sub("2021-02-01",1)
)t1
left join
(
    select user_id,date_format(login_time,"yyyy-MM-dd") dt
    from tmp.test_liucun
    where date_format(login_time,"yyyy-MM-dd")>="2021-01-02" and date_format(login_time,"yyyy-MM-dd")<="2021-02-01"
)t2
on t1.user_id=t2.user_id and t1.dt<t2.dt
group by t1.dt
;