需求五：连续登录天数plus（含最大连续登录天数、当前连续登录天数、最大连续未登录天数问题）

最新推荐文章于 2024-09-19 23:27:59 发布
最新推荐文章于 2024-09-19 23:27:59 发布
阅读量302 收藏 5
点赞数
分类专栏： # Hive函数实战 文章标签： hive big data
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_46893497/article/details/120565244
版权
本文探讨了如何使用SQL在Hive中计算用户的最大连续登录天数、最近连续登录天数、最大连续未登录天数以及用户自安装以来的连续未登录历史。涉及窗口函数、日期差计算和数据处理技巧，适用于数据运营中的活跃用户分析。
摘要由CSDN通过智能技术生成

文章目录

准备

函数准备

select datediff('2021-01-19','2021-01-18');-- 1

准备临时表

  • hzy_0930_test表
  • 表字段：用户、新增日期、活跃日期
DROP TABLE IF EXISTS tmpdb.hzy_0930_test;
-- 用户、新增日期、活跃日期
create table tmpdb.hzy_0930_test as 
select '张三' as name,'2021-01-01' as install_date, '2021-01-01' as active_date
union all
select '张三' as name,'2021-01-01' as install_date, '2021-01-02' as active_date
union all
select '张三' as name,'2021-01-01' as install_date, '2021-01-03' as active_date
union all
select '张三' as name,'2021-01-01' as install_date, '2021-01-04' as active_date
union all
select '张三' as name,'2021-01-01' as install_date, '2021-01-07' as active_date
union all
select '张三' as name,'2021-01-01' as install_date, '2021-01-09' as active_date
union all
select '张三' as name,'2021-01-01' as install_date, '2021-01-10' as active_date
union all
select '李四' as name,'2021-01-01' as install_date, '2021-01-01' as active_date
union all
select '李四' as name,'2021-01-01' as install_date, '2021-01-02' as active_date
union all
select '李四' as name,'2021-01-01' as install_date, '2021-01-03' as active_date
union all
select '李四' as name,'2021-01-01' as install_date, '2021-01-04' as active_date
union all
select '李四' as name,'2021-01-01' as install_date, '2021-01-11' as active_date
union all
select '李四' as name,'2021-01-01' as install_date, '2021-01-14' as active_date
union all
select '李四' as name,'2021-01-01' as install_date, '2021-01-15' as active_date
union all
select '李四' as name,'2021-01-01' as install_date, '2021-01-16' as active_date
;
  • 查看数据
select *
from tmpdb.hzy_0930_test  
;

张三	2021-01-01	2021-01-01
张三	2021-01-01	2021-01-02
张三	2021-01-01	2021-01-03
张三	2021-01-01	2021-01-04
张三	2021-01-01	2021-01-07
张三	2021-01-01	2021-01-09
张三	2021-01-01	2021-01-10
李四	2021-01-01	2021-01-01
李四	2021-01-01	2021-01-02
李四	2021-01-01	2021-01-03
李四	2021-01-01	2021-01-04
李四	2021-01-01	2021-01-11
李四	2021-01-01	2021-01-14
李四	2021-01-01	2021-01-15
李四	2021-01-01	2021-01-16

小需求一：最大连续登录天数

  • 方法一
select name
    ,max(activedays) as `最大连续登录天数`
from (select 
            name
            ,date_sub(active_date,rank) as date_value
            ,count(1) as activedays
        from (select distinct --防止用户每日活跃数据重复（即用户在某一天登陆两次）
       				 name
                    ,active_date
                    -- 相同日期排名一样，下一日期的排名与上一日期连续(不留空位)
                    ,dense_rank() over(partition by name order by active_date) as rank
              from tmpdb.hzy_0930_test
            )a
        group by name,date_sub(active_date,rank)
        )b
group by name
;

张三	4
李四	4




-- 给个中间结果方便理解
select distinct --防止用户每日活跃数据重复（即用户在某一天登陆两次）
    name
    ,active_date
    ,rank
    -- 如果连续，那么这个date_value应该是一样的
    ,date_sub(active_date,rank) as date_value
from (select name
            ,active_date
            -- 相同日期排名一样，下一日期的排名与上一日期连续(不留空位)
            ,dense_rank() over(partition by name order by active_date) as rank
      from tmpdb.hzy_0930_test
    )a
;


张三	2021-01-01	1	2020-12-31
张三	2021-01-02	2	2020-12-31
张三	2021-01-03	3	2020-12-31
张三	2021-01-04	4	2020-12-31
张三	2021-01-07	5	2021-01-02
张三	2021-01-09	6	2021-01-03
张三	2021-01-10	7	2021-01-03
李四	2021-01-01	1	2020-12-31
李四	2021-01-02	2	2020-12-31
李四	2021-01-03	3	2020-12-31
李四	2021-01-04	4	2020-12-31
李四	2021-01-11	5	2021-01-06
李四	2021-01-14	6	2021-01-08
李四	2021-01-15	7	2021-01-08
李四	2021-01-16	8	2021-01-08
  • 方法二
    • diff→表示每用户每活跃日期距新增日期间隔天数
    • rank→表示每用户按活跃日期生序排的序号
    • diff-rank→两者相减可理解为计算用户是否连续活跃的衡量指标，如果连续活跃则相减值value应该相等。
select name
    ,max(activedays) as `最大连续登录天数`
from ( select name
            ,diff-rank AS value
            ,count(1) as activedays 
       from ( select distinct
     				  name
                    ,active_date
                    ,dense_rank() over(partition by name order by active_date) as rank
                    ,datediff(active_date,install_date) as diff
              from tmpdb.hzy_0930_test
                )a 
        group by name
                ,diff-rank
    )b 
group by name
;

张三	4
李四	4


-- 给个中间结果方便理解
select distinct
		  name
        ,active_date
        ,dense_rank() over(partition by name order by active_date) as rank
        ,datediff(active_date,install_date) as diff
from tmpdb.hzy_0930_test
;

张三	2021-01-01	1	0
张三	2021-01-02	2	1
张三	2021-01-03	3	2
张三	2021-01-04	4	3
张三	2021-01-07	5	6
张三	2021-01-09	6	8
张三	2021-01-10	7	9
李四	2021-01-01	1	0
李四	2021-01-02	2	1
李四	2021-01-03	3	2
李四	2021-01-04	4	3
李四	2021-01-11	5	10
李四	2021-01-14	6	13
李四	2021-01-15	7	14
李四	2021-01-16	8	15

小需求二：最近连续登录天数(求用户最后一次获取活跃的连续登录天数)

  • 方法一
with active as
(
    select  distinct --防止用户每日活跃数据重复（即用户在某一天登陆两次）
        name
        ,active_date
        ,rank
        -- 如果连续，那么这个date_value应该是一样的
        ,date_sub(active_date,rank) as date_value
    from (select name
                ,active_date
                -- 相同日期排名一样，下一日期的排名与上一日期连续(不留空位)
                ,dense_rank() over(partition by name order by active_date) as rank
          from tmpdb.hzy_0930_test
        )a
)
select t1.name
    ,max(t1.active_date) as `最近登录日期` --last_active_date
    ,count(1) as `最近连续登录天数`
from active t1
join (select  name
            ,max(date_value) as last_date_value -- max的一定包含最近的登录日期
      from active
      group by name
        )t2
on t1.name=t2.name
    and t1.date_value=t2.last_date_value
group by t1.name
;

张三	2021-01-10	2
李四	2021-01-16	3


--给个中间结果方便理解
select  distinct --防止用户每日活跃数据重复（即用户在某一天登陆两次）
     name
     ,active_date
     ,rank
     -- 如果连续，那么这个date_value应该是一样的
     ,date_sub(active_date,rank) as date_value
 from (select name
             ,active_date
             -- 相同日期排名一样，下一日期的排名与上一日期连续(不留空位)
             ,dense_rank() over(partition by name order by active_date) as rank
       from tmpdb.hzy_0930_test
     )a

张三	2021-01-01	1	2020-12-31
张三	2021-01-02	2	2020-12-31
张三	2021-01-03	3	2020-12-31
张三	2021-01-04	4	2020-12-31
张三	2021-01-07	5	2021-01-02
张三	2021-01-09	6	2021-01-03
张三	2021-01-10	7	2021-01-03
李四	2021-01-01	1	2020-12-31
李四	2021-01-02	2	2020-12-31
李四	2021-01-03	3	2020-12-31
李四	2021-01-04	4	2020-12-31
李四	2021-01-11	5	2021-01-06
李四	2021-01-14	6	2021-01-08
李四	2021-01-15	7	2021-01-08
李四	2021-01-16	8	2021-01-08
  • 方法二
    • diff→表示每用户每活跃日期距新增日期间隔天数
    • rank→表示每用户按活跃日期生序排的序号
    • diff-rank→两者相减可理解为计算用户是否连续活跃的衡量指标，如果连续活跃则相减值value应该相等。
with active as 
( select name
        ,active_date
        ,rank
        ,diff
        ,diff-rank as value
  from ( select name    
               ,active_date
               ,dense_rank() over(partition by name order by active_date) as rank
               ,datediff(active_date,install_date) as diff
          from tmpdb.hzy_0930_test
        )tmp
)
select t1.name,count(1) as `最近连续登录天数`
from  active t1 
join  (  -- 没用用户的当前的最后一次活跃日期记录
        select name
       		 ,max(value) lastactive
        from active 
        group by name
      ) as t2 
on t1.name = t2.name 
    and t1.value = t2.lastactive
group by t1.name
;

张三	2
李四	3


--给个中间结果方便理解
select name
        ,active_date
        ,rank
        ,diff
        ,diff-rank as value
  from ( select name    
               ,active_date
               ,dense_rank() over(partition by name order by active_date) as rank
               ,datediff(active_date,install_date) as diff
          from tmpdb.hzy_0930_test
        )tmp

张三	2021-01-01	1	0	-1
张三	2021-01-02	2	1	-1
张三	2021-01-03	3	2	-1
张三	2021-01-04	4	3	-1
张三	2021-01-07	5	6	1
张三	2021-01-09	6	8	2
张三	2021-01-10	7	9	2
李四	2021-01-01	1	0	-1
李四	2021-01-02	2	1	-1
李四	2021-01-03	3	2	-1
李四	2021-01-04	4	3	-1
李四	2021-01-11	5	10	5
李四	2021-01-14	6	13	7
李四	2021-01-15	7	14	7
李四	2021-01-16	8	15	7

小需求三：最大连续未登录天数(截止到某一天，这里随便取一个吧’2021-01-20’)

  • 计算用户"最大连续未登录天数"，还需考虑用户最后一次活跃日期距某一天的时间间隔，然后再取最大值
  • 方法一
with active as
(
    select  distinct --防止用户每日活跃数据重复（即用户在某一天登陆两次）
        name
        ,active_date
        ,rank
        -- 如果连续，那么这个date_value应该是一样的
        ,date_sub(active_date,rank) as date_value
        -- 需考虑用户最后一次活跃日期距某一天的时间间隔
        ,max(active_date) over(partition by name) as last_active_date
    from (select name
                ,active_date
                -- 相同日期排名一样，下一日期的排名与上一日期连续(不留空位)
                ,dense_rank() over(partition by name order by active_date) as rank
          from tmpdb.hzy_0930_test
        )a
)
select name
    ,max(no_active_days) as `最大连续未登录天数`
from (select t1.name
            ,t1.active_date as start_date
            ,t2.active_date as end_date
            ,datediff(t2.active_date,t1.active_date)-1 as no_active_days --这里需要和方法二区分，方法二不需要减1
        from active t1
        join active t2
        on t1.name=t2.name
            and t1.rank=t2.rank-1
    union all
    	-- 用户最后一次活跃日期距某一天的时间间隔，只需要一天即可
        select distinct 
       		name
            ,max(active_date) as start_date
            ,'2021-01-20' as end_date -- 截止到某一天，当然可以取当天 current_date
            ,datediff('2021-01-20',max(active_date))-1 as no_active_days -- 这里不需要减1
        from active
        group by name
    )t3
group by name
;
张三	10
李四	6

-- 给个中间结果方便理解
with active as
(
    select  distinct --防止用户每日活跃数据重复（即用户在某一天登陆两次）
        name
        ,active_date
        ,rank
        -- 如果连续，那么这个date_value应该是一样的
        ,date_sub(active_date,rank) as date_value
    from (select name
                ,active_date
                -- 相同日期排名一样，下一日期的排名与上一日期连续(不留空位)
                ,dense_rank() over(partition by name order by active_date) as rank
          from tmpdb.hzy_0930_test
        )a
)
select t1.name
            ,t1.active_date as start_date
            ,t2.active_date as end_date
            ,datediff(t2.active_date,t1.active_date)-1 as no_active_days --这里需要和方法二区分，方法二不需要减1
        from active t1
        join active t2
        on t1.name=t2.name
            and t1.rank=t2.rank-1 
;
张三	2021-01-01	2021-01-02	0
张三	2021-01-02	2021-01-03	0
张三	2021-01-03	2021-01-04	0
张三	2021-01-04	2021-01-07	2
张三	2021-01-07	2021-01-09	1
张三	2021-01-09	2021-01-10	0
李四	2021-01-01	2021-01-02	0
李四	2021-01-02	2021-01-03	0
李四	2021-01-03	2021-01-04	0
李四	2021-01-04	2021-01-11	6
李四	2021-01-11	2021-01-14	2
李四	2021-01-14	2021-01-15	0
李四	2021-01-15	2021-01-16	0
  • 方法二
    • diff→表示每用户每活跃日期距新增日期间隔天数
    • rank→表示每用户按活跃日期生序排的序号
    • diff-rank→两者相减可理解为计算用户是否连续活跃的衡量指标，如果连续活跃则相减值value应该相等。

with active as 
(
  select name
        ,active_date
        ,rank
        ,diff
        ,diff-rank as value
  from ( select name
            ,active_date
            ,row_number() over(partition by name order by active_date) as rank
            ,datediff(active_date,install_date) as diff
        from tmpdb.hzy_0930_test
        )tmp
)
select name
    ,max(noactivedays) as `最大连续未登录天数` 
from ( select t1.name
            ,t1.active_date as start_date
            ,t2.active_date as end_date 
            ,t2.value - t1.value as noactivedays
      from active as t1 
      join active as t2 
      on t1.name = t2.name 
        and t1.rank = t2.rank - 1
  union all 
      select  name
            ,max(active_date)as start_date
            ,'2021-01-20' as end_date
            ,datediff('2021-01-20',max(active_date)) as noactivedays 
      from tmpdb.hzy_0930_test 
      group by name
) t
group by name 
order by name;

张三	10
李四	6

小需求四：用户自从安装app以来的连续未登录天数历史

  • 其实这和需求三类似
    • 不需要group by 出 最大连续未登录天数
  • 方法一
with active as
(
    select  distinct --防止用户每日活跃数据重复（即用户在某一天登陆两次）
        name
        ,active_date
        ,rank
        -- 如果连续，那么这个date_value应该是一样的
        ,date_sub(active_date,rank) as date_value
    from (select name
                ,active_date
                -- 相同日期排名一样，下一日期的排名与上一日期连续(不留空位)
                ,dense_rank() over(partition by name order by active_date) as rank
          from tmpdb.hzy_0930_test
        )a
)
select name
    ,start_date
    ,end_date
    ,no_active_days as `连续未登录天数`
from (select t1.name
            ,t1.active_date as start_date
            ,t2.active_date as end_date
            ,datediff(t2.active_date,t1.active_date)-1 as no_active_days --这里需要和方法二区分，方法二不需要减1
        from active t1
        join active t2
        on t1.name=t2.name
            and t1.rank=t2.rank-1
    union all
        select name
            ,max(active_date) as start_date
            ,'2021-01-20' as end_date -- 截止到某一天，当然可以取当天 current_date
            ,datediff('2021-01-20',max(active_date)) as no_active_days
        from active
        group by name
    )t3
where no_active_days >0
;

张三	2021-01-04	2021-01-07	2
张三	2021-01-07	2021-01-09	1
张三	2021-01-10	2021-01-20	10
李四	2021-01-04	2021-01-11	6
李四	2021-01-11	2021-01-14	2
李四	2021-01-16	2021-01-20	4
  • 方法二
with active as 
(
  select name
        ,active_date
        ,rank
        ,diff
        ,diff-rank as value
  from ( select name
            ,active_date
            ,row_number() over(partition by name order by active_date) as rank
            ,datediff(active_date,install_date) as diff
        from tmpdb.hzy_0930_test
        )tmp
)
select name
    ,start_date
    ,end_date
    ,noactivedays as `连续未登录天数`
from ( select t1.name
            ,t1.active_date as start_date
            ,t2.active_date as end_date 
            ,t2.value - t1.value as noactivedays
      from active as t1 
      join active as t2 
      on t1.name = t2.name and t1.rank = t2.rank - 1
  union all 
     select name
        ,max(active_date)as start_date
        ,'2021-01-20' as end_date
        ,datediff('2021-01-20',max(active_date)) as noactivedays 
     from tmpdb.hzy_0930_test 
     group by name
    ) t
where noactivedays>0 
;

张三	2021-01-04	2021-01-07	2
张三	2021-01-07	2021-01-09	1
张三	2021-01-10	2021-01-20	10
李四	2021-01-04	2021-01-11	6
李四	2021-01-11	2021-01-14	2
李四	2021-01-16	2021-01-20	4

关于上述几个方法二思考

  • 数据运营人员常常会需要查找活跃用户名单，而活跃用户很多情况下被定义为连续在或发单n天及以上的用户。一方面我们可以根据n的值直接进行筛选；更具一般性地，就要求我们去求取每个用户某段时间内的最大连续在线或者发单天数了。
  • SQL求连续在线天数是一个非常经典的问题，该问题在不考虑计算成本下有非常多的解法。
  • 该问题的最大难点在于如何判断日期与日期间是否连续，那这就要涉及到处理行与行之间的关系了。说到这对SQL比较熟悉的同学应该就会反应出使用join或者窗口函数来处理了。
  • 假设我们有19年一月份每日用户发单数据存储于订单表order_base:
user_id    order_id    create_time
234520012    1231512416323    2019-01-02 12:21:11
123149908    2412298719221    2019-01-04 01:11:34
…    …
  • 解法1（通过与特定日期的日期差判定连续）：
    • 连续的时间点与某一个特定时间点的时间差也是连续的，从下表可以直观理解这一点：
日期    特定日期    日期差d
2019-01-01    2019-01-01    0
2019-01-02    2019-01-01    1
2019-01-04    2019-01-01    3
2019-01-05    2019-01-01    4
2019-01-06    2019-01-01    5
  • 那么我们对该日期差d进行个排序，如果连续的话，d与序号的差值应该是相同的，如下表：
日期    特定日期    日期差d    序号r    日期差d与序号r的差值
2019-01-01    2019-01-01    0    0    0
2019-01-02    2019-01-01    1    1    0
2019-01-04    2019-01-01    3    2    1
2019-01-05    2019-01-01    4    3    1
2019-01-06    2019-01-01    5    4    1
  • 这样答案就显而易见了，只需要对上面这个子查询的最后一列进行分组统计行数，变得到了每次连续的天数，再取连续天数的最大值，便是我们想要的答案。
select
    user_id,
    max(date_cnt) as max_continuation_date_cnt  
from
(
    select
        user_id,
        d-d_ranking as d_group, -- 连续日期的组标记
        count(1) as date_cnt
    from 
    (
        select
            user_id,
            d, --与标记日期的日期差
            row_number() over(partition by user_id order by d) as d_ranking --与标记日期的日期差的排序
        from
        (
            select
                user_id,
                datediff(create_date,'2019-01-01') as d --与标记日期的日期差
            from
            (
                select
                    user_id,
                    to_date(create_time) as create_date
                from
                    order_base
                group by
                    user_id,
                    date(create_time)
            )a -- 在这一层获取用户的发单日期并去重
        )b --这一层获取与标记日期的日期差
    )c --获取连续日期的排序
    group by
        user_id,
        d-d_ranking
)d -- 获取每一个连续日期组的连续天数
group by
    user_id
  • 解法二（lead或lag）
    • 最后介绍一个最为直观，也是计算成本最小的方法。假设我们需要求连续登陆n天（假设n为7）及以上的用户，那么对于一个存在该行为的用户，他去重和排序后的发单日期信息中，必存在某一天，往前回溯(往后推)6条记录的日期，等于该日期减6(加6)。
韩家小志
关注
专栏目录
SQL——最大连续登录天数、当前连续登录天数、最大连续未登录天数问题、连续登陆N天用户、连续座位号
森谷蘑的博客
03-01 1万+
SQL——连续最大登录天数问题
数仓sql面试题-连续登录天数和连续未登录天数
好好学习，天天向上
03-03 3475
我也写一个，其实主要解决思路就是要让连续的两条记录之间产生联系。 CREATE TABLE login_log ( user_id integer, login_date date ); insert into login_log values(1,'2020-01-01'); insert into login_log values(1,'2020-01-02'); inse...
SparkSQL—最大连续登录天数、当前连续登录天数、最大连续未登录天数问题
helloxiaozhe的博客
04-26 2188
Hive SQL——最大连续登录天数、当前连续登录天数、最大连续未登录天数问题 1、数据准备 表字段：用户、新增日期、活跃日期 原数据表：user_active表 1.1、测试数据：比较date和timestamp类型 CREATE TABLE test_user_active ( name string, install_date timestamp, active_date timestamp ); insert overwrite table test_user_act.
SQL(Clickhouse)—最大连续登录天数、当前连续登录天数、最大连续未登录天数问题
qq_43775642的博客
09-16 579
- 当前连续登录天数(求用户最后一次获取活跃的连续登录天数)from)tmpselect t1.name,count(1) as `当前连续登录天数`fromjoin( -- 没用用户的当前的最后一次活跃日期记录group by 1) as t2order by 1。
最大连续登录天数
ss843004278的博客
08-25 82
两种方法结果不一致，还没理解
java 计算天数差_java中计算两个日期之间差的天数
weixin_42294495的博客
02-15 3496
展开全部在Java开发物流e68a84e8a2ad62616964757a686964616f31333337616538或是其他功能的时候会用到两个日期相差多天的数据，所以整理了一下备用。调用方式：代码如下 复制代码long date1 = getDateTime("20121201");//可改成自己的日期类型，但以“20121212”这种格式long date2 = getDateTi...
时间加上天数得到时间
05-24
标题“时间加上天数得到时间”可能涉及到的是在编程中如何对日期或时间进行操作，以便将一个特定的日期或时间与一个天数相加，从而得到新的日期或时间。这个过程通常会在需要计算未来的某个日期，或者处理时间序列...
element-plus时间选择器自动选天数
09-15
element时间选择器可以自动选择天数。通过设置`type`属性为`daterange`或者`datetimerange`，时间选择器会显示一个可选的日期范围，并且会自动计算选中的天数。你可以使用`range-separator`属性来设置日期范围的分隔...
vue 根据天数，画出日历
09-10
以下是一个简化的步骤描述： 1. **设置数据结构**： 创建一个数组或者对象来表示... 考虑使用成熟的日期库如`vuejs-datepicker`或`element-plus`中的`el-date-picker`组件，它们已经包含了复杂的日期选择和展示功能。
java获取指定秒数后的日期_java8的日期工具类（获取当前时间 相隔天数 小时 分钟 秒等处理）...
weixin_29952235的博客
02-25 787
package com.example.list_test;import java.text.ParseException;import java.text.SimpleDateFormat;import java.time.*;import java.time.format.DateTimeFormatter;import java.time.temporal.ChronoUnit;import...
判断玩家用户连续登录的 天数的php写法
will5451的博客
06-15 5232
/** * 判定玩家是否连续登陆了X天 * @return $val_days =>连登的天数 */ public function conLoginDays(){ $cur_day = date('Ymd'); $countdays = 0; //连续登录天数 $val_time = (int) $this->model->getBillValue($cur_
mysql 统计当个用户从当前时间连续登录天数，以及多用户某时间段，最长连续登录天数查询
qq_22785497的博客
10-26 8024
1、当个用户当前连续登录天数查询 SELECT GETINTO_USERID, max(days) incessancy_days, min(ot) start_date, max(ot) end_date FROM ( SELECT * FROM ( SELECT GETINTO_USERID ,@cont_day := ( CASE WHEN ( @last_uid = GETINTO_USE...
Hive内置集合函数-size,map_keys,map_values,sort_array,array_contains
最新发布
liuwei0376的专栏
09-19 217
Hive提供的内置集合函数, 在做一些集合内统计/查找/分析等场景下非常方便, 熟练使用, 可以极大的简化这类场景的开发.
python打通hive数据库实现CRUD
Ana的blog
09-13 435
通常是有个库叫pyhive，但是可以通过pyodbc来实现本地多种驱动配置。可以对比上述的两个data出来的区别。上述代码会打印出你本地配置的驱动。遇到的大坑：（欢迎来踩）
大数据组件详解：Spark、Hive、HBase、Phoenix 与 Presto
fudaihb的博客
09-12 1079
随着大数据技术的快速发展，各种大数据处理框架和工具也应运而生。其中，Spark、Hive、HBase、Phoenix 和 Presto 是广泛应用于大数据领域的几款核心组件，它们各自擅长处理不同类型的大数据任务。本文将详细介绍这些技术的特点、应用场景以及它们之间的区别和联系。
二百六十五、Hive——目前Hive数仓各层表样例
tiantang2renjian的博客
09-19 568
Hive——目前Hive数仓各层表样例
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值