級聯(lián)求和

前提

最近在學習hive,碰到了級聯(lián)求和的問題.經(jīng)過一番思考學習,現(xiàn)在做些學習筆記.

需求

原始數(shù)據(jù)表

訪客 月份 訪問次數(shù)
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

根據(jù)上面的數(shù)據(jù)表輸出每個用戶每個月份的訪問次數(shù),并且每個月統(tǒng)計總的訪問次數(shù).最后的輸出格式如下

需要輸出報表

訪客 月份 月訪問總計 累計訪問總計
A 2015-01 33 33
A 2015-02 10 43
B 2015-01 30 30
B 2015-02 15 45

實現(xiàn)步驟

1.創(chuàng)建hive表

create table t_access_times(username string,month string,cnt int)
row format delimited fields terminated by ',';

2.準備數(shù)據(jù) access.log

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

3.加載數(shù)據(jù)到表中

load data local inpath '/home/hadoop/access.log' into table t_access_times;

4.自join方式

  • 先求每個用戶每個月的訪問總次數(shù)
+-----------+----------+---------+--+ 
| username  |  month   | cnt   |
+-----------+----------+---------+--+
| A         | 2015-01  | 33      |
| A         | 2015-02  | 10      |
| B         | 2015-01  | 30      |
| B         | 2015-02  | 15      |
+-----------+----------+---------+--+
  • 將月總次數(shù)表 自己連接自己(自join)
select A.*,B.* FROM
(select username,month,sum(cnt) as cnt from t_access_times group by username,month) A 
inner join 
(select username,month,sum(cnt) as cntfrom t_access_times group by username,month) B
on
A.username=B.username
where B.month <= A.month;

+-------------+----------+-----------+-------------+----------+--------
| A.username  | A.month  | A.cnt| B.username  | B.month  | B.cnt  |
+-------------+----------+-----------+-------------+----------+--------
| A           | 2015-01  | 33        | A           | 2015-01  | 33        |
| A           | 2015-02  | 10        | A           | 2015-01  | 33        |
| A           | 2015-02  | 10        | A           | 2015-02  | 10        |
| B           | 2015-01  | 30        | B           | 2015-01  | 30        |
| B           | 2015-02  | 15        | B           | 2015-01  | 30        |
| B           | 2015-02  | 15        | B           | 2015-02  | 15        |
+-------------+----------+-----------+-------------+----------+--------

剛開始這里不是很明白為什么加上where B.month >= A.month的條件,這樣有什么意義?其實這是為后面的統(tǒng)計做準備.

現(xiàn)在來講講這個自join是怎么產生這樣的數(shù)據(jù)的.
hive的表連接我沒有研究過,這里暫時我用mysql的連接來舉例說明.我姑且認為它們的實現(xiàn)原理的是一樣的.

  1. 從表A中讀入一行數(shù)據(jù)R;
  2. 從數(shù)據(jù)行R中,取出username字段和where條件到B表中去查找;
  3. 在B表中找到滿足條件的行,跟R組成一行,作為結果集的一部分;
  4. 重復執(zhí)行步驟1到3,直到表A的末尾循環(huán)結束;

在這里,兩個表都做了一次全表掃描,所以總的掃描行數(shù)是 4 + 4 = 8;
內存中的判斷次數(shù)是 4 * 4 = 16;

  • 最終的sql語句
select A.username,A.month,max(A.cnt) as cnt,sum(B.cnt) as accumulate 
from 
(select username,month,sum(cnt) as cntfrom t_access_times group  by username,month) A  
inner join 
(select username,month,sum(cnt) as cntfrom t_access_times group by username,month) B 
on 
A.username=B.username 
where B.month <= A.month 
group by A.username,A.month 
order by A.username,A.month;

--最終結果為:
+-------------+----------+---------+-------------+--+
| A.username  | A.month  | cnt| accumulate  |
+-------------+----------+---------+-------------+--+
| A           | 2015-01  | 33      | 33          |
| A           | 2015-02  | 10      | 43          |
| B           | 2015-01  | 30      | 30          |
| B           | 2015-02  | 15      | 45          |
+-------------+----------+---------+-------------+--+

5.窗口函數(shù)

還有一種方式也可以實現(xiàn)需求,那就是窗口函數(shù)

select
t.username,
t.month,
t.cnt,
sum(t.cnt) over(partition by t.username order by t.username,
t.month rows between unbounded preceding and current row) as accumlate
from(
select 
username,month,
sum(cnt) as cnt
from t_access_times group by username,month) t
;

--最終結果為:
+-------------+----------+---------+-------------+--+
| A.username  | A.month  | cnt| accumulate  |
+-------------+----------+---------+-------------+--+
| A           | 2015-01  | 33      | 33          |
| A           | 2015-02  | 10      | 43          |
| B           | 2015-01  | 30      | 30          |
| B           | 2015-02  | 15      | 45          |
+-------------+----------+---------+-------------+--+
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末夺谁,一起剝皮案震驚了整個濱河市也殖,隨后出現(xiàn)的幾起案子面殖,更是在濱河造成了極大的恐慌遭商,老刑警劉巖琅摩,帶你破解...
    沈念sama閱讀 211,290評論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件蚜枢,死亡現(xiàn)場離奇詭異壹罚,居然都是意外死亡嗡官,警方通過查閱死者的電腦和手機恋日,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,107評論 2 385
  • 文/潘曉璐 我一進店門膀篮,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人岂膳,你說我怎么就攤上這事誓竿。” “怎么了谈截?”我有些...
    開封第一講書人閱讀 156,872評論 0 347
  • 文/不壞的土叔 我叫張陵筷屡,是天一觀的道長。 經(jīng)常有香客問我簸喂,道長毙死,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,415評論 1 283
  • 正文 為了忘掉前任喻鳄,我火速辦了婚禮扼倘,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己再菊,他們只是感情好爪喘,可當我...
    茶點故事閱讀 65,453評論 6 385
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著纠拔,像睡著了一般秉剑。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上稠诲,一...
    開封第一講書人閱讀 49,784評論 1 290
  • 那天侦鹏,我揣著相機與錄音,去河邊找鬼臀叙。 笑死略水,一個胖子當著我的面吹牛,可吹牛的內容都是我干的匹耕。 我是一名探鬼主播聚请,決...
    沈念sama閱讀 38,927評論 3 406
  • 文/蒼蘭香墨 我猛地睜開眼荠雕,長吁一口氣:“原來是場噩夢啊……” “哼稳其!你這毒婦竟也來了?” 一聲冷哼從身側響起炸卑,我...
    開封第一講書人閱讀 37,691評論 0 266
  • 序言:老撾萬榮一對情侶失蹤既鞠,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后盖文,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體嘱蛋,經(jīng)...
    沈念sama閱讀 44,137評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 36,472評論 2 326
  • 正文 我和宋清朗相戀三年五续,在試婚紗的時候發(fā)現(xiàn)自己被綠了洒敏。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,622評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡疙驾,死狀恐怖凶伙,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情它碎,我是刑警寧澤函荣,帶...
    沈念sama閱讀 34,289評論 4 329
  • 正文 年R本政府宣布,位于F島的核電站扳肛,受9級特大地震影響傻挂,放射性物質發(fā)生泄漏。R本人自食惡果不足惜挖息,卻給世界環(huán)境...
    茶點故事閱讀 39,887評論 3 312
  • 文/蒙蒙 一金拒、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧套腹,春花似錦绪抛、人聲如沸轿衔。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,741評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽害驹。三九已至,卻和暖如春蛤育,著一層夾襖步出監(jiān)牢的瞬間宛官,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,977評論 1 265
  • 我被黑心中介騙來泰國打工瓦糕, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留底洗,地道東北人。 一個月前我還...
    沈念sama閱讀 46,316評論 2 360
  • 正文 我出身青樓咕娄,卻偏偏與公主長得像亥揖,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子圣勒,可洞房花燭夜當晚...
    茶點故事閱讀 43,490評論 2 348

推薦閱讀更多精彩內容