Hive之从理论到实战（三）

最新推荐文章于 2023-02-08 21:31:59 发布
最新推荐文章于 2023-02-08 21:31:59 发布
阅读量1.6k 收藏 3
点赞数 3
分类专栏： bigdata 文章标签： hive hadoop 数据仓库
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_51167849/article/details/121870934
版权

文章目录

说在前面

建议在本地模式下运行Hive，数据量不够大的情况下本地模式反而快哦！

设置本地模式相关可以去看

第一题

难点

开窗函数的运用，系统内置函数的运用

数据准备

我们有如下的用户访问数据

userIdvisitDatevisitCount
u012017/1/215
u022017/1/236
u032017/1/228
u042017/1/203
u012017/1/236
u012017/2/218
u022017/1/236
u012017/2/224

要求使用SQL统计出每个用户的累积访问次数，如下表所示：

用户id月份小计累积
u012017-011111
u012017-021223
u022017-011212
u032017-0188
u042017-0133

数据：

u01     2017/1/21       5
u02     2017/1/23       6
u03     2017/1/22       8
u04     2017/1/20       3
u01     2017/1/23       6
u01     2017/2/21       8
u02     2017/1/23       6
u01     2017/2/22       4

创建表

create table action

(userId string,

visitDate string,

visitCount int) 

row format delimited fields terminated by "\t";

加载数据

根据自己需求加载，我使用的是load data语法，有不了解的可以去看

实战之路

需求一：统计出每个用户的每月访问次数及累计访问次数

思路

需要统计的是每个用户的每月访问次数及累计访问次数。
很简单，拆需求！
第一步要统计每个用户的每月访问次数。但我们观察上文中结果集可知访问的时间需要从yyyy/M/dd转变为yyyy-MM，所以可以先转变字段格式，再来求，因此：
第一步：修改月份格式

第二步：根据第一步的结果集求出每个用户的每月访问次数

第三步：根据第二步的结果集求出每个用户的累计访问次数
OK，思路清晰，直奔主题！
1：修改月份格式
select userid,date_format(regexp_replace(visitdate,"/","-"),"yyyy-MM") the_month,visitcount 
from extend1_visit;             #作为t1
2：根据第一步的结果集求出每个用户的每月访问次数
select
userid,the_month,sum(visitcount)
from
()t1
group by userid,the_month;

即：
select
userid,the_month,sum(visitcount) month_visit
from
(select userid,date_format(regexp_replace(visitdate,"/","-"),"yyyy-MM") the_month,visitcount 
from extend1_visit)t1
group by userid,the_month       #作为t2
3：根据2求出每个用户的累计访问次数
select 
userid,the_month,month_visit,sum(month_visit) over(partition by userid rows between unbounded preceding and current row) all_visit
from ()t2


即：


select 
userid,the_month,month_visit,sum(month_visit) over(partition by userid rows between unbounded preceding and current row) all_visit
from (select
userid,the_month,sum(visitcount) month_visit
from
(select userid,date_format(regexp_replace(visitdate,"/","-"),"yyyy-MM") the_month,visitcount 
from extend1_visit)t1
group by userid,the_month)t2;

OK,需求解决，如果你直接看结果的SQL的话难免觉得长，但是在清晰的思路下，一步一步生成它，就很容易了！

第二题

难点

rank()函数配合开窗函数的运用

数据准备

有50W个京东店铺，每个顾客访问任何一个店铺的任何一个商品时都会产生一条访问日志，访问日志存储的表名为visit，访客的用户id为user_id，被访问的店铺名称为shop，请统计：

u1	a
u2	b
u1	b
u1	a
u3	c
u4	b
u1	a
u2	c
u5	b
u4	b
u6	c
u2	c
u1	b
u2	a
u2	a
u3	a
u5	a
u5	a
u5	a

咳咳，数据仅作为练习使用，因此数据量较小，问题不大问题不大。

创建表

create table visit(user_id string,shop string) row format delimited fields terminated 
 by '\';

加载数据

根据自己需求加载，我使用的是load data语法，有不了解的可以去看

实战之路

需求一：每个店铺的UV（访问数）

思路：即按照店铺分组，获取用户名的数量（不去重）

select 
shop,count(user_id) num
from extend2_visit
group by 
shop;

so easy!

需求二：每个店铺访问次数top3的访客信息。输出店铺名称、访客id、访问次数

思路：
	1 首先获取每个店铺的访客信息
	2 获取rank
	3 获取top3
1 首先获取每个店铺的访客信息
select shop,user_id,count(user_id) vt
from 
extend2_visit
group by shop,user_id;     #-->t1
2 获取rank
select
shop,user_id,vt,rank() over(partition by shop,user_id order by vt) rk
from
()t1
where rk<=3;

即：
select
shop,user_id,vt,rank() over(partition by shoporder by vt) rk
from
(select shop,user_id,count(user_id) vt
from 
extend2_visit
group by shop,user_id)t1;  #-->t2
3 获取top3
select shop,user_id,rk
from () t2
where rk <=3;

即：
select shop,user_id,rk
from (select
shop,user_id,vt,rank() over(partition by shop order by vt) rk
from
(select shop,user_id,count(user_id) vt
from 
extend2_visit
group by shop,user_id)t1) t2
where rk <=3;

结果集如下：我从Linux复制粘贴来的。。。。

±------±---------±----+
| shop | user_id | rk |
±------±---------±----+
| a | u3 | 1 |
| a | u2 | 2 |
| a | u1 | 3 |
| a | u5 | 3 |
| b | u2 | 1 |
| b | u5 | 1 |
| b | u1 | 3 |
| b | u4 | 3 |
| c | u3 | 1 |
| c | u6 | 1 |
| c | u2 | 3 |
±------±---------±----+

第三题

难点

很多，思路也比较发散~~~

数据准备

以下表记录了用户每天的蚂蚁森林低碳生活领取的记录流水。

table_name：user_low_carbon

user_id data_dt low_carbon

用户 日期 减少碳排放（g）

蚂蚁森林植物换购表，用于记录申领环保植物所需要减少的碳排放量

table_name: plant_carbon

plant_id plant_name low_carbon

植物编号 植物名 换购植物所需要的碳

提供的数据说明：

（使用的话请去除每个记录之间的空格）

user_low_carbon：

u_001	2017/1/1	10

u_001	2017/1/2	150

u_001	2017/1/2	110

u_001	2017/1/2	10

u_001	2017/1/4	50

u_001	2017/1/4	10

u_001	2017/1/6	45

u_001	2017/1/6	90

u_002	2017/1/1	10

u_002	2017/1/2	150

u_002	2017/1/2	70

u_002	2017/1/3	30

u_002	2017/1/3	80

u_002	2017/1/4	150

u_002	2017/1/5	101

u_002	2017/1/6	68

u_003	2017/1/1	20

u_003	2017/1/2	10

u_003	2017/1/2	150

u_003	2017/1/3	160

u_003	2017/1/4	20

u_003	2017/1/5	120

u_003	2017/1/6	20

u_003	2017/1/7	10

u_003	2017/1/7	110

u_004	2017/1/1	110

u_004	2017/1/2	20

u_004	2017/1/2	50

u_004	2017/1/3	120

u_004	2017/1/4	30

u_004	2017/1/5	60

u_004	2017/1/6	120

u_004	2017/1/7	10

u_004	2017/1/7	120

u_005	2017/1/1	80

u_005	2017/1/2	50

u_005	2017/1/2	80

u_005	2017/1/3	180

u_005	2017/1/4	180

u_005	2017/1/4	10

u_005	2017/1/5	80

u_005	2017/1/6	280

u_005	2017/1/7	80

u_005	2017/1/7	80

u_006	2017/1/1	40

u_006	2017/1/2	40

u_006	2017/1/2	140

u_006	2017/1/3	210

u_006	2017/1/3	10

u_006	2017/1/4	40

u_006	2017/1/5	40

u_006	2017/1/6	20

u_006	2017/1/7	50

u_006	2017/1/7	240

u_007	2017/1/1	130

u_007	2017/1/2	30

u_007	2017/1/2	330

u_007	2017/1/3	30

u_007	2017/1/4	530

u_007	2017/1/5	30

u_007	2017/1/6	230

u_007	2017/1/7	130

u_007	2017/1/7	30

u_008	2017/1/1	160

u_008	2017/1/2	60

u_008	2017/1/2	60

u_008	2017/1/3	60

u_008	2017/1/4	260

u_008	2017/1/5	360

u_008	2017/1/6	160

u_008	2017/1/7	60

u_008	2017/1/7	60

u_009	2017/1/1	70

u_009	2017/1/2	70

u_009	2017/1/2	70

u_009	2017/1/3	170

u_009	2017/1/4	270

u_009	2017/1/5	70

u_009	2017/1/6	70

u_009	2017/1/7	70

u_009	2017/1/7	70

u_010	2017/1/1	90

u_010	2017/1/2	90

u_010	2017/1/2	90

u_010	2017/1/3	90

u_010	2017/1/4	90

u_010	2017/1/4	80

u_010	2017/1/5	90

u_010	2017/1/5	90

u_010	2017/1/6	190

u_010	2017/1/7	90

u_010	2017/1/7	90

u_011	2017/1/1	110

u_011	2017/1/2	100

u_011	2017/1/2	100

u_011	2017/1/3	120

u_011	2017/1/4	100

u_011	2017/1/5	100

u_011	2017/1/6	100

u_011	2017/1/7	130

u_011	2017/1/7	100

u_012	2017/1/1	10

u_012	2017/1/2	120

u_012	2017/1/2	10

u_012	2017/1/3	10

u_012	2017/1/4	50

u_012	2017/1/5	10

u_012	2017/1/6	20

u_012	2017/1/7	10

u_012	2017/1/7	10

u_013	2017/1/1	50

u_013	2017/1/2	150

u_013	2017/1/2	50

u_013	2017/1/3	150

u_013	2017/1/4	550

u_013	2017/1/5	350

u_013	2017/1/6	50

u_013	2017/1/7	20

u_013	2017/1/7	60

u_014	2017/1/1	220

u_014	2017/1/2	120

u_014	2017/1/2	20

u_014	2017/1/3	20

u_014	2017/1/4	20

u_014	2017/1/5	250

u_014	2017/1/6	120

u_014	2017/1/7	270

u_014	2017/1/7	20

u_015	2017/1/1	10

u_015	2017/1/2	20

u_015	2017/1/2	10

u_015	2017/1/3	10

u_015	2017/1/4	20

u_015	2017/1/5	70

u_015	2017/1/6	10

u_015	2017/1/7	80

u_015	2017/1/7	60

plant_carbon：

p001	梭梭树	17

p002	沙柳	19

p003	樟子树	146

p004	胡杨	215

创建表

create table user_low_carbon(user_id String,data_dt String,low_carbon int) row format delimited fields terminated by '\t';


create table plant_carbon(plant_id string,plant_name String,low_carbon int) row format delimited fields terminated by '\t';

加载数据

根据自己需求加载，我使用的是load data语法，有不了解的可以去看

实战之路

需求一：

问题：假设2017年1月1日开始记录低碳数据（user_low_carbon），
假设2017年10月1日之前满足申领条件的用户都申领了一颗p004-胡杨，
剩余的能量全部用来领取“p002-沙柳”。
统计在10月1日累计申领“p002-沙柳"排名前10的用户信息；以及他比后一名多领了几颗沙柳。

令小白望而生畏的需求~~~~

让我们一起来拆分吧！

我的思路：
1	查找 日期小于等于10月1日的信息
2	根据1的结果 查找 每个用户的总能量group by后having 条件 总能量>查询plant表胡杨的能量
3	根据2的结果 查找总能量排名前十的用户信息
4   根据3的结果 查找(总能量-胡杨的能量)/沙柳的能量 别名兑换的沙柳数
5	根据4的结果 查找当前行的沙柳数和下一行沙柳数的数目
6 	根据5的结果 查找当前行的沙柳数减去上一行的数目
1 查找 日期小于等于10月1日的信息

① 转换日期格式（Hive只认识以’-'分隔的日期，因此需要转换）

select 
user_id,regexp_replace(data_dt,'/','-') u_date,low_carbon
from user_low_carbon;     -->t1

②根据①的结果筛选日期小于‘2017-10-1’的信息

select  user_id,u_date,low_carbon
from ()t1
where u_date<='2017-10-1';

②根据①的结果筛选日期小于‘2017-10-1’的信息
select user_id,u_date,low_carbon
from ()t1
where u_date<=‘2017-10-1’;

即：

select  user_id,u_date,low_carbon
from (
select
user_id,regexp_replace(data_dt,'/','-') u_date,low_carbon
from user_low_carbon)t1
where datediff(u_date,'2017-10-1')<0;    -->t2
2 根据1的结果 查找 每个用户的总能量group by后having 条件 总能量>查询plant表胡杨的能量
select user_id,sum(low_carbon) all_carbon
from ()t2
group by user_id
having all_carbon>(select low_carbon from plant_carbon where plant_id ='p004');

即：
select user_id,sum(low_carbon) all_carbon
from (select  user_id,u_date,low_carbon
from (
select 
user_id,regexp_replace(data_dt,'/','-') u_date,low_carbon
from user_low_carbon)t1
where datediff(u_date,'2017-10-1')<0)t2
group by user_id
having all_carbon>(select low_carbon from plant_carbon where plant_id ='p004')
-->t3

但是很遗憾，Hive的子查询不允许作用在Having子句中。

image-20211211111830540

因此我决定先分组，然后以分组后的结果作为数据源使用where过滤。

第二步正确做法如下：

①分组
select user_id,sum(low_carbon) all_carbon
from ()t2
group by user_id

即：
select user_id,sum(low_carbon) all_carbon
from (select  user_id,u_date,low_carbon
from (
select
user_id,regexp_replace(data_dt,'/','-') u_date,low_carbon
from user_low_carbon)t1
where datediff(u_date,'2017-10-1')<0)t2
group by user_id 
;                       -->t3

②过滤
select user_id,all_carbon
from ()t3 
where all_carbon>(select low_carbon from plant_carbon where plant_id='p004')

即：
select user_id,all_carbon
from (select user_id,sum(low_carbon) all_carbon
from (select  user_id,u_date,low_carbon
from (
select
user_id,regexp_replace(data_dt,'/','-') u_date,low_carbon
from user_low_carbon)t1
where datediff(u_date,'2017-10-1')<0)t2
group by user_id)t3 
where all_carbon>(select low_carbon from plant_carbon where plant_id='p004') -->t4
3 根据2的结果 查找总能量排名前十的用户信息
select user_id,all_carbon
from ()t4
order by all_carbon desc limit 10;     -->t5

即：

即：
select user_id,all_carbon
from (select user_id,all_carbon
from (select user_id,sum(low_carbon) all_carbon
from (select  user_id,u_date,low_carbon
from (
select
user_id,regexp_replace(data_dt,'/','-') u_date,low_carbon
from user_low_carbon)t1
where datediff(u_date,'2017-10-1')<0)t2
group by user_id)t3 
where all_carbon>(select low_carbon from plant_carbon where plant_id='p004'))t4
order by all_carbon desc limit 10;     -->t5
4 根据3的结果 查找(总能量-胡杨的能量)/沙柳的能量 别名兑换的沙柳数
select user_id,all_carbon,(all_carbon-(select low_carbon from plant_carbon where plant_id='p004'))/(select low_carbon from plant_carbon where plant_id='p002') sls
frin ()t5;

即：
select user_id,all_carbon,(all_carbon-(select low_carbon from plant_carbon where plant_id='p004'))/(select low_carbon from plant_carbon where plant_id='p002') sls
from (select user_id,all_carbon
from (select user_id,all_carbon
from (select user_id,sum(low_carbon) all_carbon
from (select  user_id,u_date,low_carbon
from (
select
user_id,regexp_replace(data_dt,'/','-') u_date,low_carbon
from user_low_carbon)t1
where datediff(u_date,'2017-10-1')<0)t2
group by user_id)t3 
where all_carbon>(select low_carbon from plant_carbon where plant_id='p004'))t4
order by all_carbon desc limit 10)t5;     -->t6
5 根据4的结果 查找当前行的沙柳数和下一行沙柳数的数目
select user_id,all_carbon,sls,lead(sls,1) over(order by sls desc) morethannext
from ()t6;

即：
select user_id,all_carbon,sls,lead(sls,1) over(order by sls desc) morethannext
from (select user_id,all_carbon,(all_carbon-(select low_carbon from plant_carbon where plant_id='p004'))/(select low_carbon from plant_carbon where plant_id='p002') sls
from (select user_id,all_carbon
from (select user_id,all_carbon
from (select user_id,sum(low_carbon) all_carbon
from (select  user_id,u_date,low_carbon
from (
select
user_id,regexp_replace(data_dt,'/','-') u_date,low_carbon
from user_low_carbon)t1
where datediff(u_date,'2017-10-1')<0)t2
group by user_id)t3 
where all_carbon>(select low_carbon from plant_carbon where plant_id='p004'))t4
order by all_carbon desc limit 10)t5)t6;                               -->t7
6 根据5的结果 查找当前行的沙柳数减去上一行的数目
select user_id,all_carbon,sls,(sls-morethannext) more_thannext 
from (select user_id,all_carbon,sls,lead(sls,1) over(order by sls desc) morethannext
from (select user_id,all_carbon,(all_carbon-(select low_carbon from plant_carbon where plant_id='p004'))/(select low_carbon from plant_carbon where plant_id='p002') sls
from (select user_id,all_carbon
from (select user_id,all_carbon
from (select user_id,sum(low_carbon) all_carbon
from (select  user_id,u_date,low_carbon
from (
select
user_id,regexp_replace(data_dt,'/','-') u_date,low_carbon
from user_low_carbon)t1
where datediff(u_date,'2017-10-1')<0)t2
group by user_id)t3 
where all_carbon>(select low_carbon from plant_carbon where plant_id='p004'))t4
order by all_carbon desc limit 10)t5)t6)t7;

结果如下：

image-20211211112536642

需求二：

问题：查询user_low_carbon表中每日流水记录，条件为：
用户在2017年，连续三天（或以上）的天数里，
每天减少碳排放（low_carbon）都超过100g的用户低碳流水。

思路：

步骤1：筛选2017年的数据及每天的流水
步骤2：按user_id分区，求前天，昨天，当天、明天、后天的流水 
步骤3:根据2的结果判断
在当天流水>100的前提下：
	明天>100 and 后天>100
	or
	昨天>100 and 明天>100
	or
	昨天>100 and 前天>100
步骤1：筛选2017年的数据及每天的流水
select user_id,data_dt,sum(low_carbon) day_carbon
from user_low_carbon
where year(regexp_replace(data_dt,"/","-"))="2017"
group by data_dt,user_id    -->t1
步骤2：按user_id分区，求前天，昨天，当天、明天、后天的流水
select user_id,data_dt,day_carbon,lag(day_carbon,2) over(partition by user_id) least_low,lag(day_carbon,1) over(partition by user_id) last_low,lead(day_carbon,1) over(partition by user_id) tomor_low,lead(day_carbon,2) over(partition by user_id) next_low
from 
()t1;

即：
select user_id,data_dt,day_carbon,lag(day_carbon,2) over(partition by user_id) least_low,lag(day_carbon,1) over(partition by user_id) last_low,lead(day_carbon,1) over(partition by user_id) tomor_low,lead(day_carbon,2) over(partition by user_id) next_low
from 
(select user_id,data_dt,sum(low_carbon) day_carbon
from user_low_carbon
where year(regexp_replace(data_dt,"/","-"))="2017"
group by data_dt,user_id)t1;   -->t2
步骤3:根据2的结果判断

在当天流水>100的前提下：
明天>100 and 后天>100
or
昨天>100 and 明天>100
or
昨天>100 and 前天>100

select user_id,data_dt,day_carbon
from ()t2
where day_carbon >100 and (tomor_low>100 and next_low >100) or (last_low>100 and tomor_low>100) or (last_low>100 and least_low>100);

即：
select user_id,data_dt,day_carbon
from (select user_id,data_dt,day_carbon,lag(day_carbon,2) over(partition by user_id) least_low,lag(day_carbon,1) over(partition by user_id) last_low,lead(day_carbon,1) over(partition by user_id) tomor_low,lead(day_carbon,2) over(partition by user_id) next_low
from 
(select user_id,data_dt,sum(low_carbon) day_carbon
from user_low_carbon
where year(regexp_replace(data_dt,"/","-"))="2017"
group by data_dt,user_id)t1)t2
where day_carbon >100 and ((tomor_low>100 and next_low >100) or (last_low>100 and tomor_low>100) or (last_low>100 and least_low>100));

结果如下：

image-20211211113333258

说在最后

以前学习Mysql的时候遇到这种题目难免头大，当我能够将需求拆分，这些很长很长的sql在我眼中反而变成了将一个方法的结果作为参数代入下一个方法。不怕它长，只要能运行出来就是好代码！

smallumbrella
关注
  • 3
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
SQL之累积计算问题--HQL面试题1
石榴姐yyds
04-04 1449
0. 需求 我们有如下的用户访问数据 userId visitDate visitCount u01 2017/1/21 5 u02 2017/1/23 6 u03 2017/1/22 8 u04 2017/1/20 3 u01 2017/1/...
Hive 使用SQL统计出每个用户的累积访问次数
鸭梨的博客
02-23 3439
我们有如下的用户访问数据 userId visitDate visitCount u01 2017/1/21 5 u02 2017/1/23 6 u03 2017/1/22 8 u04 2017/1/20 3 u01 2017/1/23 6 u01 2017/2/21 8 U02 2017/1/23 6 U01 2017/2/22 4 要求使用SQL统计出每个用户的累积访问次数，如下表所示： 用户id 月份 小计 累积 u01 2017-01 11 11 u01 2017-02 12 23 u02 201
Hive -- Hive面试题及答案（1）
TheBigBlue的博客
04-22 1830
小打卡面试题 题目一：计算小打卡平台的圈主建了多少圈子，名下有多少用户 已知，数据如下： tb_habit圈子表：数百万行数据 user_habit_relation用户与圈子关系表：亿行数据 需求：请用hive sql计算出如下结果（同一个圈主名下，同一个用户加多个圈子只计算一次）： 答案： SELECT a.`uid`, nvl(COUNT(a.log_id), 0) AS log_cn...
Hive学习----查询操作练习一
weixin_42438279的博客
06-25 268
题目一： 我们有如下的用户访问数据 userId visitDate visitCount u01 2017/1/21 5 u02 2017/1/23 6 u03 2017/1/22 8 u04 2017/1/20
我们有如下的用户访问数据 userId visitDate visitCount u01 2017/1/21 5 u02 2017/1/23...
weixin_42584507的博客
02-08 67
SQL语句：SELECT userId, DATE_FORMAT(visitDate, '%Y-%m') as 月份, SUM(visitCount) as 小计, SUM(visitCount) OVER (PARTITION BY userId ORDER BY visitDate) as 累积 FROM tableName GROUP BY userId, DATE_FORMAT(visit...
大数据Hive数仓开发精讲到企业级实战应用
04-10
│ │ 02--数据仓库基础理论--场景互动：数仓为何而来.avi │ │ 04--数据仓库基础理论--OLTP、OLAP系统.avi │ │ 05--数据仓库基础理论--数据仓库、数据库区别.avi │ │ 06--数据仓库基础理论--数据仓库...
Hive入门与大数据分析实战.pptx
10-05
Hive入门与大数据分析实战 Hive是大数据处理中的一种重要工具，它能够帮助用户快速处理和分析大量数据。《Hive入门与大数据分析实战》这本书旨在帮助读者掌握Hive的基础知识和实用技巧，以便在工作中更好地发挥数据...
数据仓库实战：Hive、HBase、Kylin、ClickHouse
最新发布
05-10
在《Database-Notes/数据库基础》中我们讨论了数据仓库的基础理论知识，本章则着眼于如何实践数据仓库的相关应用。 Nav | 关联导航 如果你想了解微服务/云原生等分布式系统的应用实践，可以参阅；如果你想了解...
王家林hive学习资料
12-19
课程特色在于理论与实践相结合，通过深入浅出的讲解和动手实操，让学员能够全面理解Hive的内部机制。课程内容包括Hadoop的四大核心技术——HDFS、MapReduce、HBase和Hive，以及Hive集群的搭建、管理和监控。此外，...
Datawarehouse-Series:数据仓库实战：Hive、HBase、Kylin、ClickHouse
07-23
在《》中我们讨论了数据仓库的基础理论知识，本章则着眼于如何实践数据仓库的相关应用。 Nav | 关联导航 如果你想了解微服务/云原生等分布式系统的应用实践，可以参阅；如果你想了解数据库相关，可以参阅 ；如果你想...
MYSQL练习
weixin_43947653的博客
01-24 214
MYSQL 查找最晚入职员工的所有信息 题目描述 查找最晚入职员工的所有信息，为了减轻入门难度，目前所有的数据里员工入职的日期都不是同一天(sqlite里面的注释为–,mysql为comment) CREATE TABLE employees ( emp_no int(11) NOT NULL, – ‘员工编号’ birth_date date NOT NULL, first_name varchar(14) NOT NULL, last_name varchar(16) NOT NULL, gender
mysql牛客刷题（SQL进阶挑战）
ljm_99的博客
04-11 3472
牛客网sql进阶挑战题目整理
经典Hive SQL面试题
jmx_bigdata的博客
10-15 3502
第一题 需求 我们有如下的用户访问数据 userId visitDate visitCount u01 2017/1/21 5 u02 2017/1/23 6 u03 2017/1/22 8 u04 2017/1/20 3 u01 2017/1/23 6 u01 2017/2/21 8 U02 2017/1/23 6 U01 2017/2/22 ...
一道Hive面试题：累积报表
墨染百城
04-02 2874
我们有如下的用户访问数据： userId visitDate visitCount u01 2017-01-21 5 u02 2017-01-23 6 u03 2017-01-22 8 u04 2017-01-20 3 u01 2017-01-23 6 u01 2017-02-21 8 u02 2017-01-
【Hive】Hive练习题（一）
Together
04-07 6518
众所周知，Hive的窗口函数可谓是博大精深，所以为了巩固一下大家的窗口函数的使用，我给大家收集了一些关于窗口函数简单使用的题，以供大家学习！ 题目如下???? （1）查询在2017年4月份购买过的顾客及总人数 （2）查询顾客的购买明细及月购买总额 （3）上述的场景,要将cost按照日期进行累加 （4）查询顾客上次的购买时间 （5）查询前20%时间的订单信息 数据如下???? create table bu...
Hive面试sql
qq_38250124的博客
04-28 1002
数据 username month salary A,2015-01,5 A,2015-01,15 B,2015-01,5 A,2015-01,8 B,2015-01,25 A,2015-01,5 A,2015-02,4 A,2015-02,6 B,2015-02,10 B,2015-02,5 求结果 A    2015-01    33    33 A    
使用SQL统计出每个用户的累积访问次数
weixin_41925594的博客
07-21 3592
我们有如下的用户访问数据 userId visitDate visitCount u01 2017/1/21 5 u02 2017/1/23 6 u03 2017/1/22 8 u04 2017/1/20
[hive] 经典sql题及答案(一)
朱同学的博客
11-05 8738
题目部分 第1题 我们有如下的用户访问数据 userId visitDate visitCount u01 2017/1/21 5 u02 2017/1/23 6 u03 2017/1/22 8 u04 2017/1/20 3 u01 2017/1/23 6 u01 2017/2/21 8 U02 2017/1/23 6 U01 2017/2/22 4 要求使用SQL统计出每个用户的累积访问次数，...
hive sql从查询到执行的总流程
12-01
Hive SQL的查询到执行的总流程如下： 步骤1：编写Hive SQL查询语句 在Hive中，我们使用类似于SQL的查询语言来编写查询语句。这些查询语句可以包括对表的创建、数据的插入、数据的查询、数据的过滤、数据的排序和...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
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