数据统计分析时常用sql语句 (split , row_number , group by, max 等 )

统计分析及建表过程中通常会遇到这样的需求，比如：

1. 统计以逗号分隔的标签数，哪个最受欢迎，以及作为内容推荐的数据来源

2. 分组排序url的pv, 取topN的列表

3. 经常会有名字重复的url记录，取pv最大的那条, 剩下的剔除

 

下面逐一对以上场景进行总结， 用的是 hivesql，希望有同样需求的同学可以快速应用，如果有不对的地方还请指正：） 

 

1. 统计以逗号分隔的标签数，哪个最受欢迎

hive表中tag列经常是这样的

--统计以逗号分隔的tags的分布

--其中tags是你打算展开的原先以逗号分隔的那一列，
--tags_split 是展成多行后的每个tag组成的列, 
--alias是别名，可以自己任意定
--然后group by, 统计个数分布 

select tags_split,count(*) as