一、数据表结构
视频表 t_video
字段 | 注释 | 描述 |
---|---|---|
videoId | 视频唯一 id(String) | 11 位字符串 |
uploader | 视频上传者(String) | 上传视频的用户名 String |
age | 视频年龄(int) | 视频在平台上的整数天 |
category | 视频类别(Array<String> ) | 上传视频指定的视频分类 |
length | 视频长度(Int) | 整形数字标识的视频长度 |
views | 观看次数(Int) | 视频被浏览的次数 |
rate | 视频评分(Double) | 满分 5 分 |
Ratings | 流量(Int) | 视频的流量,整型数字 |
conments | 评论数(Int) | 一个视频的整数评论数 |
relatedId | 相关视频 id(Array<String> ) | 相关视频的 id,最多 20 个 |
二、具体实现
-- 统计出视频观看数最高的 20 个视频的所属类别以及类别包含 Top20 视频的个数
/**
思路:
1.先按照 videoid 和 category 字段分组聚合统计观看数
2.使用排序窗口函数按观看数对视频及其类别进行降序编号
3.使用 where 子句选取 top20 的视频类别
4.由于 category 字段为 Array 类型,所以使用 explode 函数将其扁平化,再分组聚合统计类别下的视频个数
*/
SELECT
cg,
SUM(1) as num
FROM
(
SELECT
videoid,
category
FROM
(
SELECT
videoid,
category,
DENSE_RANK() over(ORDER by `views` desc) as rn
FROM
(
SELECT
videoid,
category,
SUM(`views`) as `views`
FROM t_video
group by videoid,category
) t1
) t2
WHERE rn <= 20
) t3 LATERAL view explode(category) adtable as cg
group by cg;