hive留存率的统计

留存率:某日注册的用户,在之后几天是否活跃,一日留存率就是用户注册后第二天仍然活跃,以此类推,三日留存率,七日留存率。
任务:
计算所有用户注册后的一日留存率,三日留存率,七日留存率,14日留存率,30日留存率,60日留存率,90日留存率。

建表

use default;show tables;
create table register_tbl(user_id string,register_date string)row format delimited fields terminated by ',' location "/HiveTestDB/retention/re"tblproperties("skip.header.line.count"="1");
create table active_tbl(user_id string,active_date string)row format delimited fields terminated by ',' location "/HiveTestDB/retention/ac"tblproperties("skip.header.line.count"="1");
load data local inpath "/home/hadoop/register_tbl.csv" into table register_tbl;load data local inpath "/home/hadoop/active_tbl.csv" into table avtive_tbl;
select * from register_tbl;select * from active_tbl;
建留存率表...

思路

说明:

register_tbl表记录了所有用户的注册日期,

active_tbl是用户所有活动日期;

步骤;

register_tbl左关联active_tbl,如果要计算特定时间范围内注册用户的留存率,通过where子句过滤。
按用户和注册日期分组,计算组内活跃日期与注册日期差值分别为1,3,7,14,30,60,90的记录的个数,通过distinct实现有为1,没有为0
由此计算全部用户中留存一天、三天和七天的个数及比例
此留存率需要滚动式进行更新,故需要和原留存率表的数据进行union

sql实现

insert overwrite table ads_user_retentionselect * from ads_user_retentionunionselect   count(*) total,   sum(d1) 1d_Retent,  sum(d3) 3d_Retent,  sum(d7) 7d_Retent,  sum(d14) 14d_Retent,  sum(d30) 30d_Retent,  sum(d60) 60d_Retent,  sum(d90) 90d_Retent,  sum(d1)/count(*) 1d_Retent_Rate,  sum(d3)/count(*) 3d_Retent_Rate,  sum(d7)/count(*) 7d_Retent_Rate,  sum(d14)/count(*) 14d_Retent_Rate,  sum(d30)/count(*) 30d_Retent_Rate,  sum(d30)/count(*) 30d_Retent_Rate,  sum(d60)/count(*) 60d_Retent_Rate,  sum(d90)/count(*) 90d_Retent_Rate,  from   (select     uid,rd,    count(distinct if(datediff(ad,rd) = 1, 1, null)) d1,       // 留存天数    # 也可以 if(count(datediff(ad,rd) = 1 or null)>0,1,null),避免使用distinct    count(distinct if(datediff(ad,rd) =3, 1, null)) d3,    count(distinct if(datediff(ad,rd) =7, 1, null)) d7,    count(distinct if(datediff(ad,rd) =14, 1, null)) d14,     count(distinct if(datediff(ad,rd) =30, 1, null)) d30,     count(distinct if(datediff(ad,rd) =60, 1, null)) d60,     count(distinct if(datediff(ad,rd) =90, 1, null)) d90 from       (select       r.user_id uid,from_unixtime(unix_timestamp(r.register_date,'yyyy-MM-dd')) rd,      // 留存日期      from_unixtime(unix_timestamp(a.active_date,'yyyy-MM-dd')) ad                       // 活跃日期         from       register_tbl r left join active_tbl a on r.user_id = a.user_id) s1 group by uid,rd ) ads_user_retention

### 回答1: 使用 Hive 计算次日留存率可以使用以下步骤: 1. 使用 HiveQL 在 Hive 中建立两个表,一个表记录当天的用户数据,另一个表记录第二天的用户数据。 2. 使用 HiveQL 查询语句,在当天用户数据表中筛选出当天新增用户数。 3. 使用 HiveQL 查询语句,在第二天用户数据表中筛选出第二天登录过的用户。 4. 使用 HiveQL JOIN 查询语句,将当天新增用户数据表和第二天登录过的用户数据表进行连接。 5. 使用 HiveQL 统计查询语句,统计连接后的数据中第二天登录过的新增用户数。 6. 使用 HiveQL 计算查询语句,计算次日留存率,公式为:第二天登录过的新增用户数 / 当天新增用户数。 ### 回答2: 使用Hive计算次日留存率的步骤如下: 首先,需要从源数据中提取两天的用户信息,分为第一天的用户和第二天的用户。可以利用Hive的SELECT语句和日期函数来实现这一步骤。例如,SELECT * FROM user_data WHERE date = '2022-01-01'可以提取出第一天的用户信息,SELECT * FROM user_data WHERE date = '2022-01-02'可以提取出第二天的用户信息。在这里,user_data是存储用户数据的表,date是存储日期的字段。 接下来,将第一天的用户信息与第二天的用户信息进行连接操作,根据用户的唯一标识(例如用户ID)进行连接。可以通过Hive的JOIN操作来实现这一步骤。例如,SELECT COUNT(DISTINCT a.user_id) FROM (SELECT * FROM user_data WHERE date = '2022-01-01') a JOIN (SELECT * FROM user_data WHERE date = '2022-01-02') b ON a.user_id = b.user_id可以计算出连接后的用户数。 最后,计算次日留存率。次日留存率可以通过将连接后的用户数除以第一天的用户数,并乘以100来计算得出。例如,SELECT (COUNT(DISTINCT a.user_id) / COUNT(DISTINCT b.user_id)) * 100 AS retention_rate FROM (SELECT * FROM user_data WHERE date = '2022-01-01') a JOIN (SELECT * FROM user_data WHERE date = '2022-01-02') b ON a.user_id = b.user_id可以计算出次日留存率。 综上所述,使用Hive计算次日留存率的步骤包括获取第一天和第二天的用户信息,连接两天的用户信息,并计算次日留存率。通过使用Hive的SELECT语句、日期函数和JOIN操作,可以实现这一计算过程。 ### 回答3: Hive是一个基于Hadoop的数据仓库基础设施,用于处理大规模数据集。计算次日留存率可以通过Hive的数据操作和查询功能来实现。 首先,我们需要在Hive中创建一个包含用户活动数据的表。该表的结构可以包含用户ID、日期和活动类型等字段。可以使用Hive的CREATE TABLE语句来定义这个表。 接下来,我们需要编写Hive查询语句来计算次日留存率。次日留存率表示在某一天的用户中,有多少比例的用户在第二天仍然活跃。 首先,我们可以使用Hive的GROUP BY语句按照日期分组,并统计每天的用户活动数。然后,我们可以使用自连接(self-join)来将前一天和后一天的数据进行连接。 在连接操作后,我们可以使用Hive的COUNT和条件判断函数来计算前一天的用户和次日仍然活跃的用户数。最后,我们可以计算次日留存率,即次日留存用户数除以前一天的用户数,再乘以100%。 以下是一个类似的Hive查询语句示例: ``` SELECT (COUNT(DISTINCT t1.user_id) / COUNT(DISTINCT t2.user_id)) * 100 as retention_rate FROM table_name t1 JOIN table_name t2 ON t1.user_id = t2.user_id WHERE DATEDIFF(t2.date, t1.date) = 1; ``` 以上查询语句通过自连接将前一天和后一天的数据进行连接,并使用DATEDIFF函数筛选出相差一天的数据。然后,使用COUNT函数和DISTINCT关键字计算前一天和次日仍然活跃的用户数,并通过除法计算次日留存率。 最后,我们可以执行以上Hive查询语句来计算次日留存率。可以使用Hive的INSERT语句将结果插入到另一个表中,以备后续分析和使用。 总而言之,使用Hive计算次日留存率需要创建表、编写Hive查询语句来连接数据并计算留存率。借助Hive的强大功能,我们可以高效地处理大规模的用户活动数据。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值