hive sql（六）—— 每个用户连续登录最大天数

每个用户连续登录最大天数

create table login(
    id string,
    rq string
)
row format delimited fields terminated by '\t'
;

#这里将数据分开，便于直观看到连续登录天数
insert into table login values
(1,"2019-07-26"),
(1,"2019-07-27"),

(1,"2019-07-30"),
(1,"2019-07-31"),
(1,"2019-08-01"),

(2,"2019-07-26"),
(2,"2019-07-27"),
(2,"2019-07-28"),

(2,"2019-07-30"),
(2,"2019-07-31");

select
    t3.id,
    max(t3.num)
from
    (select
        t2.id,
        count(*) as num
    from
        (select
            t1.id,
            date_sub(t1.rq,t1.n) as rq1
        from
            (select 
                id,
                rq,
                row_number() over(partition by id order by rq) as n
            from
                login
            group by id,rq -- 第一次分组
            )t1
        )t2
    group by t2.id,t2.rq1 -- 第二次分组
    )t3
group by t3.id -- 第三次分组
;

Total MapReduce CPU Time Spent: 7 seconds 320 msec
OK
t3.id  _c1
1  3
2  3
Time taken: 38.097 seconds, Fetched: 2 row(s)

1、通过对需求理解发现，首先需要对用户id开窗
2、连续登录，所以时间信息，并按照升序，需要在窗口里面添加order by
3、核心逻辑——连续登录的判断是，通过排序添加序号，再用当前日期和当前序号做差，
如果得到日期相同，则表示是连续日期，所以使用row_number，
4、整体的逻辑顺序是先排序添加序号字段、计算差值日期、统计差值日期相同数量、最后得出每个用户差值日期数最多即需求

1、这里t1,t2可以合并为一步，减少一次子查询
2、第一次分组是每个用户每天只有一条数据，第二次分组是统计差值日期相同数量，第三次分组是统计每个用户最大连续登录天数

1、row_number添加序号，无论字段值是否相同
2、date_sub(日期，数值)，用日期-数值，即当前日期的前n天，返回值是日期字符串类型