数据仓库_LT，留存，回访的设计思路

     今天面试问到了一个问题，假设我们的用户信息是天级别统计的，那么如果计算多天的留存与回访就需要扫描多个分区，这样计算资源比较多，如何进行优化。

首先要介绍一下，留存，回访，lt 这3个基本概念

基本概念

n日留存 ：n日后是否访问app

n日回访 ：n日活是否访问某个业务模块（app中的某一板块，当这个板块为app时，留存==回访），类似于留存

lt  :   用户的生命周期，相当于整体的活跃天数。 详细参考 ：用户全生命周期价值（LTV）指标如何计算 - 传播蛙

思路

我们需要构建map存储用户的历史活跃天数，然后利用日期作为key进行快速索引

构建历史全量活跃天数表 

with all_act_tmp as (
	select 
		device_id,
		map('${date}',1) as act_date_map
	from test_dwd.dwd_user_device_active_di
	where date = '${date}'
	
	union all
	select 
		device_id,
		act_date_map
	from test_dwd.user_dwd_device_active_df
	where date = '${date-1}'
)


insert overwrite table test_dwd.user_dwd_device_active_df partition(date='${date}')
select 
	device_id,
	union_map(act_date_map) 
from 	
	all_act_tmp
group by device_id 

计算相关指标

select 
	device_id,
	map_keys(act_date_map) as act_date_list
	size(act_date_map) as all_lt_cnt,
	if(act_date_map['${date}']=1,1,0) as is_act,
	if(act_date_map['${date-1}'=1,1,0]) as is_act_1d,
	if(act_date_map['${date-3}'=1,1,0]) as is_act_3d,
	if(act_date_map['${date-7}'=1,1,0]) as is_act_7d,
	...
	size(sub_map(act_date_map,'${date-2}','${date}')) as lt_3d,
	size(sub_map(act_date_map,'${date-6}','${date}')) as lt_7d,
	size(sub_map(act_date_map,'${date-14}','${date}')) as lt_15d
	...	
from 
	test_dwd.user_dwd_device_active_df 

相关功能函数

sub_map 函数 UDF  

sub_map(map,start,end,byKey)
- Returns a sub map from mao, in which key(or value) is between start and end