Hive常见的计算(连续纸，topN，行专列，列转行)

-- user_id dt status(1 正常登录，0 异常)
1 2019-07-11 1
1 2019-07-12 1
1 2019-07-13 1
1 2019-07-14 1
1 2019-07-15 1
1 2019-07-16 1
1 2019-07-17 1
1 2019-07-18 1
2 2019-07-11 1
2 2019-07-12 1
2 2019-07-13 0
2 2019-07-14 1
2 2019-07-15 1
2 2019-07-16 0
2 2019-07-17 1
2 2019-07-18 0
3 2019-07-11 1
3 2019-07-12 1
3 2019-07-13 1
3 2019-07-14 0
3 2019-07-15 1
3 2019-07-16 1
3 2019-07-17 1
3 2019-07-18 1

按照步骤，

第1步：先按照条件开窗分组排序，得到分组排序的结果。排序字段值减去排序序列号

这里求得是用户，即按照用户分组，连续7天，按照登录日期排序。日期字段值 - 排序序列号。这个差值如果相同，说明日期连续

-- 开窗排序， 开窗函数 over()
over(partiton by user_id order by dt)

-- 排名函数，给局部排序的上序列号，
-- rank()，排名可以重复，相同排名的后续会有空位。即 1,2,3,3,5
-- DENSE_RANK(), 排名可以重复，相同排名的后续不会有空位，1,2,3,3,4,5
-- 这里排名 顺序增加 且 排名不会重复。使用 row_number()

row_number() over(partiton by user_id order by dt)

-- 求排序字段的当前值 和 排序序列号 的差值。 这里是日期的求值，直接使用date_sub
date_sub(dt,row_number() over(partition by user_id order by dt))

-- 最终第一步的sql是

select user_id,
       dt,   
       date_sub(dt,row_number() over(partition by user_id order by dt)) gid
from user_login
where status = 1