大数据 ODS&DWD&DIM-SQL分享

大数据 ODS&DWD&DIM-SQL分享 需求


思路一：等差数列

断2天、3天，嵌套太多
1.1 开窗，按照 id 分组，同时按照 dt 排序，求 Rank

1. -- linux 中空格不能用　tab 键
2. select id,dt,rank() over(partition by id order by dt) rk from tx;

复制代码

1.2 将每行日期减去RK值，如果之前是连续的日期，则相减之后为相同日期

z: 等差
(x1+z)-(y1+z)=x1-y1

1. select id,dt,date_sub(dt,rk) flg
2. from (select id,dt,rank() over(partition by id order by dt) rk from tx) t1;

复制代码

断一天的数据，flag 变成了连续
1.3 计算绝对连续的天数

1. select id,flag,count(*) days
2. from (
3.   select id,dt,date_sub(dt,rk) flg
4.   from (select id,dt,rank() over(partition by id order by dt) rk from tx) t1;
5. )t2 group by id,flag;

复制代码

1.4 再计算连续问题

1. select id,flag,days,rank() over(partition by id order by flag) newFlag
2. from t3;

复制代码

1.5 将 flag 减去 newflag

1. select id,days,date_sub(flag,newFlag) flag
2. from t4;t5

复制代码

1.6 计算每个用户连续登录的天数，断一天也算

1. select id,sum(days)+count(1) days
2. from t5
3. group by id,flag;[t6]

复制代码

1.7 计算最大连续天数

1. select id,max(days)
2. from t6
3. group by id;

复制代码

准后再-1

思路二

2.1 将上一行数据下移

1. --下移默认值，一般给 1970-01-01，上移默认值一般 9999-01-01
2. select id,dt,lag(dt,1,'1970-01-01') over(partition by id order by dt) lagDt
3. from tx; t1

复制代码

2.2 将当前行日期减去下移的日期

1. select id,dt,datediff(dt,lagDt) dtDiff
2. from t1; t2

复制代码

执行

1. select id,dt,datediff(dt,lagDt) dtDiff
2. from (
3. select id,dt,lag(dt,1,'1970-01-01') over(partition by id order by dt) lagDt
4. from tx) t1;

复制代码

每碰到一个 >2  的就分组 + 1

2.3 分组

1. select id,dt,sum(if(dtDiff>2,1,0)) over(partition by id order by dt) flag
2. from t2; t3

复制代码

1. select id,dt,sum(if(dtDiff>2,1,0)) over(partition by id order by dt) flag
2. from (
3. select id,dt,datediff(dt,lagDt) dtDiff
4. from (
5. select id,dt,lag(dt,1,'1970-01-01') over(partition by id order by dt) lagDt
6. from tx) t1
7. ) t2;

复制代码

1. select id,flag,datediff(max(dt),min(dt))+1
2. from t3
3. group by id,flag;

复制代码

带入执行

1. --断3天把2改成3，断4天把2改成4
2. select id,flag,datediff(max(dt),min(dt))+1
3. from (
4. select id,dt,sum(if(dtDiff>2,1,0)) over(partition by id order by dt) flag
5. from (
6. select id,dt,datediff(dt,lagDt) dtDiff
7. from (
8. select id,dt,lag(dt,1,'1970-01-01') over(partition by id order by dt) lagDt
9. from tx) t1
10. ) t2
11. )t3
12. group by id,flag;

复制代码

2.3 求分组后的最大值

HiveOnSpark: 有个BUG， datediff over 子查询  => null point
解决方案：

• 换MR引擎
  
• 将时间字段由 String 类型改成 Date 类型
  

https://www.bilibili.com/video/BV1Ju411o7f8/?p=69

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！