美文网首页
级联求和

级联求和

作者: pengtoxen | 来源:发表于2019-08-20 19:28 被阅读0次

前提

最近在学习hive,碰到了级联求和的问题.经过一番思考学习,现在做些学习笔记.

需求

原始数据表

访客 月份 访问次数
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

根据上面的数据表输出每个用户每个月份的访问次数,并且每个月统计总的访问次数.最后的输出格式如下

需要输出报表

访客 月份 月访问总计 累计访问总计
A 2015-01 33 33
A 2015-02 10 43
B 2015-01 30 30
B 2015-02 15 45

实现步骤

1.创建hive表

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

2.准备数据 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.加载数据到表中

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

4.自join方式

  • 先求每个用户每个月的访问总次数
+-----------+----------+---------+--+ 
| username  |  month   | cnt   |
+-----------+----------+---------+--+
| A         | 2015-01  | 33      |
| A         | 2015-02  | 10      |
| B         | 2015-01  | 30      |
| B         | 2015-02  | 15      |
+-----------+----------+---------+--+
  • 将月总次数表 自己连接自己(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        |
+-------------+----------+-----------+-------------+----------+--------

刚开始这里不是很明白为什么加上where B.month >= A.month的条件,这样有什么意义?其实这是为后面的统计做准备.

现在来讲讲这个自join是怎么产生这样的数据的.
hive的表连接我没有研究过,这里暂时我用mysql的连接来举例说明.我姑且认为它们的实现原理的是一样的.

  1. 从表A中读入一行数据R;
  2. 从数据行R中,取出username字段和where条件到B表中去查找;
  3. 在B表中找到满足条件的行,跟R组成一行,作为结果集的一部分;
  4. 重复执行步骤1到3,直到表A的末尾循环结束;

在这里,两个表都做了一次全表扫描,所以总的扫描行数是 4 + 4 = 8;
内存中的判断次数是 4 * 4 = 16;

  • 最终的sql语句
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;

--最终结果为:
+-------------+----------+---------+-------------+--+
| 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.窗口函数

还有一种方式也可以实现需求,那就是窗口函数

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
;

--最终结果为:
+-------------+----------+---------+-------------+--+
| 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          |
+-------------+----------+---------+-------------+--+

相关文章

  • 级联求和

    前提 最近在学习hive,碰到了级联求和的问题.经过一番思考学习,现在做些学习笔记. 需求 原始数据表 根据上面的...

  • hive优化-级联求和

    一、需求:根据每日访问信息,算累计访问 输入数据: 输出数据: 二、准备表和数据 1.创建表 2.准备数据,dat...

  • Hibernate 对象标准查询

    时间 时间 时间 时间 时间 级联 级联 级联 级联 级联 级联 级联 级联 级联 Criteria方式, 效果同...

  • opencv cascade级联分类器的训练

    充电站特征训练项目源码 介绍: Cascade即为级联,在网络WAN口级联、数据库信息间级联以及电路连接中的级联等...

  • 2018-10-15:级联操作与类型转换

    级联操作 级联操作:persistent update delete none all新增 ...

  • OpenCV 人脸识别

    1 CascadeClassifier 级联分类器人脸识别 有两种:haar级联和lbp级联,我用brew安装的,...

  • 基于vue2实现多级联动选择器

    基于vue2.0实现的级联选择器 基于Vue的级联选择器,可以单项,二级, 三级级联,多级级联 web开发中我们经...

  • 2019-06-20 MySQL复制高级方案应用实践

    1. MySQL级联复制 1.1 MySQL级联复制介绍 MySQL级联复制的特点是从(slave)服务器本身除了...

  • 解决使用el-cascader"报错TypeError: Can

    1、what?在使用Cascader 级联选择器中的el-cascader组件进行级联效果实现的时候,想要实现级联...

  • 【JPA】JPA@Many注解

    (转)ManyToMany注解级联情况 @ManyToMany级联情况 mappedby作用 使用mappedby...

网友评论

      本文标题:级联求和

      本文链接:https://www.haomeiwen.com/subject/tgkmsctx.html