获取每个访客的第一条访问日志（获取网站的UV）

-- 获取每个访客的第一条访问日志，初始化每个访客的第一个访问日志，计算UV
CREATE TABLE access_log_first (
  id BIGINT,
  ip STRING,
  province STRING,
  city STRING,
  isp STRING,
  access_time STRING,
  access_hour STRING,
  url STRING,
  status STRING,
  traffic STRING,
  referer STRING,
  ref_type STRING,
  c_info STRING,
  client_type STRING,
  client_browser STRING
);

---

INSERT OVERWRITE TABLE access_log_first
SELECT a.id, a.ip, a.province, a.city, a.isp
  , a.access_time, a.access_hour,a.url, a.status, a.traffic
  , a.referer,a.ref_type, a.c_info, a.client_type, a.client_browser
FROM access_log a
JOIN (
  SELECT c.ip,MIN(c.id) AS id
  FROM access_log c
  GROUP BY c.ip,c.c_info
) b
ON a.ip = b.ip
  AND a.id = b.id;

这段 SQL 语句的作用是将满足特定条件的数据插入到名为access_log_first的表中。
具体解释如下：
一、整体结构
sql
INSERT OVERWRITE TABLE access_log_first SELECT... FROM access_log a JOIN... ON...;
这是一个标准的INSERT OVERWRITE语句结构，用于覆盖目标表中的数据。首先指定目标表为access_log_first，然后通过SELECT子句选择要插入的数据来源，这里的数据来源是从access_log表中选取，并通过连接操作筛选出特定的数据行。
二、选择插入的数据列
sql
SELECT a.id, a.ip, a.province, a.city, a.isp, a.access_time, a.access_hour,a.url, a.status, a.traffic, a.referer,a.ref_type, a.c_info, a.client_type, a.client_browser FROM access_log a
从access_log表（别名a）中选择了多个列，包括id、ip、province、city、isp等一系列与访问日志相关的字段。
三、连接子查询筛选数据
子查询部分：
sql
   SELECT c.ip,MIN(c.id) AS id FROM access_log c GROUP BY c.ip,c.c_info
这个子查询从access_log表（别名c）中按照ip和c_info分组，然后为每个分组找到最小的id值。
连接条件：
sql
   JOIN (... ) b ON a.ip = b.ip AND a.id = b.id
主查询中的access_log表（别名a）与子查询的结果集（别名b）进行连接，连接条件是a.ip = b.ip和a.id = b.id，即根据ip和id进行匹配，确保插入到目标表中的数据是每个ip下最小id对应的那一行数据。
综上所述，这段 SQL 语句的目的是从access_log表中筛选出每个ip下特定的数据行，并将这些数据插入到access_log_first表中，实现了对数据的筛选和整理。