Hive 分析函数lead、lag实例应用

Hive的分析函数又叫窗口函数，在oracle中就有这样的分析函数，主要用来做数据统计分析的。

Lag和Lead分析函数可以在同一次查询中取出同一字段的前N行的数据(Lag)和后N行的数据(Lead)作为独立的列。
这种操作可以代替表的自联接，并且LAG和LEAD有更高的效率，其中over()表示当前查询的结果集对象，括号里面的语句则表示对这个结果集进行处理。
 

函数介绍

LAG

LAG(col,n,DEFAULT) 用于统计窗口内往上第n行值
参数1为列名，参数2为往上第n行（可选，默认为1），参数3为默认值（当往上第n行为NULL时候，取默认值，如不指定，则为NULL）

LEAD

与LAG相反
LEAD(col,n,DEFAULT) 用于统计窗口内往下第n行值
参数1为列名，参数2为往下第n行（可选，默认为1），参数3为默认值（当往下第n行为NULL时候，取默认值，如不指定，则为NULL）
 

场景

问题

用户Peter在浏览网页，在某个时刻，Peter点进了某个页面，过一段时间后，Peter又进入了另外一个页面，如此反复，那怎么去统计Peter在某个特定网页的停留时间呢，又或是怎么统计某个网页用户停留的总时间呢？

数据准备

现在用户的行为都被采集了，处理转换到hive数据表，表结构如下：
[sql] view plain copy
 
  1. create table test.user_log(  
  2.     userid string,  
  3.     time string,  
  4.     url string  
  5. ) row format delimited fields terminated by ',';  
记录数据：
[plain] view plain copy
 
  1. +------------------+----------------------+---------------+--+  
  2. | user_log.userid  |    user_log.time     | user_log.url  |  
  3. +------------------+----------------------+---------------+--+  
  4. | Peter            | 2015-10-12 01:10:00  | url1          |  
  5. | Peter            | 2015-10-12 01:15:10  | url2          |  
  6. | Peter            | 2015-10-12 01:16:40  | url3          |  
  7. | Peter            | 2015-10-12 02:13:00  | url4          |  
  8. | Peter            | 2015-10-12 03:14:30  | url5          |  
  9. | Marry            | 2015-11-12 01:10:00  | url1          |  
  10. | Marry            | 2015-11-12 01:15:10  | url2          |  
  11. | Marry            | 2015-11-12 01:16:40  | url3          |  
  12. | Marry            | 2015-11-12 02:13:00  | url4          |  
  13. | Marry            | 2015-11-12 03:14:30  | url5          |  
  14. +------------------+----------------------+---------------+--+  

分析步骤

获取用户在某个页面停留的起始与结束时间
[sql] view plain copy
 
  1. select userid,  
  2.        time stime,  
  3.        lead(time) over(partition by userid order by time) etime,  
  4.        url   
  5.   from test.user_log;  
结果：
[plain] view plain copy
 
  1. +---------+----------------------+----------------------+-------+--+  
  2. | userid  |        stime         |        etime         |  url  |  
  3. +---------+----------------------+----------------------+-------+--+  
  4. | Marry   | 2015-11-12 01:10:00  | 2015-11-12 01:15:10  | url1  |  
  5. | Marry   | 2015-11-12 01:15:10  | 2015-11-12 01:16:40  | url2  |  
  6. | Marry   | 2015-11-12 01:16:40  | 2015-11-12 02:13:00  | url3  |  
  7. | Marry   | 2015-11-12 02:13:00  | 2015-11-12 03:14:30  | url4  |  
  8. | Marry   | 2015-11-12 03:14:30  | NULL                 | url5  |  
  9. | Peter   | 2015-10-12 01:10:00  | 2015-10-12 01:15:10  | url1  |  
  10. | Peter   | 2015-10-12 01:15:10  | 2015-10-12 01:16:40  | url2  |  
  11. | Peter   | 2015-10-12 01:16:40  | 2015-10-12 02:13:00  | url3  |  
  12. | Peter   | 2015-10-12 02:13:00  | 2015-10-12 03:14:30  | url4  |  
  13. | Peter   | 2015-10-12 03:14:30  | NULL                 | url5  |  
  14. +---------+----------------------+----------------------+-------+--+  

计算用户在页面停留的时间间隔（实际分析当中，这里要做数据清洗工作，如果一个用户停留了4、5个小时，那这条记录肯定是不可取的。）
[sql] view plain copy
 
  1. select userid,  
  2.        time stime,  
  3.        lead(time) over(partition by userid order by time) etime,  
  4.        UNIX_TIMESTAMP(lead(time) over(partition by userid order by time),'yyyy-MM-dd HH:mm:ss')- UNIX_TIMESTAMP(time,'yyyy-MM-dd HH:mm:ss') period,  
  5.        url   
  6.   from test.user_log;  
结果：
[sql] view plain copy
 
  1. +---------+----------------------+----------------------+---------+-------+--+  
  2. | userid  |        stime         |        etime         | period  |  url  |  
  3. +---------+----------------------+----------------------+---------+-------+--+  
  4. | Marry   | 2015-11-12 01:10:00  | 2015-11-12 01:15:10  | 310     | url1  |  
  5. | Marry   | 2015-11-12 01:15:10  | 2015-11-12 01:16:40  | 90      | url2  |  
  6. | Marry   | 2015-11-12 01:16:40  | 2015-11-12 02:13:00  | 3380    | url3  |  
  7. | Marry   | 2015-11-12 02:13:00  | 2015-11-12 03:14:30  | 3690    | url4  |  
  8. | Marry   | 2015-11-12 03:14:30  | NULL                 | NULL    | url5  |  
  9. | Peter   | 2015-10-12 01:10:00  | 2015-10-12 01:15:10  | 310     | url1  |  
  10. | Peter   | 2015-10-12 01:15:10  | 2015-10-12 01:16:40  | 90      | url2  |  
  11. | Peter   | 2015-10-12 01:16:40  | 2015-10-12 02:13:00  | 3380    | url3  |  
  12. | Peter   | 2015-10-12 02:13:00  | 2015-10-12 03:14:30  | 3690    | url4  |  
  13. | Peter   | 2015-10-12 03:14:30  | NULL                 | NULL    | url5  |  
  14. +---------+----------------------+----------------------+---------+-------+--+  

计算每个页面停留的总时间，某个用户访问某个页面的总时间
[sql] view plain copy
 
  1. select nvl(url,'-1') url,  
  2.        nvl(userid,'-1') userid,  
  3.        sum(period) totol_peroid from (  
  4. select userid,  
  5.        time stime,  
  6.        lead(time) over(partition by userid order by time) etime,  
  7.        UNIX_TIMESTAMP(lead(time) over(partition by userid order by time),'yyyy-MM-dd HH:mm:ss')- UNIX_TIMESTAMP(time,'yyyy-MM-dd HH:mm:ss') period,  
  8.        url   
  9.   from test.user_log  
  10. ) a group by url, userid with rollup;  
结果：
[plain] view plain copy
 
  1. +-------+---------+---------------+--+  
  2. |  url  | userid  | totol_peroid  |  
  3. +-------+---------+---------------+--+  
  4. | -1    | -1      | 14940         |  
  5. | url1  | -1      | 620           |  
  6. | url1  | Marry   | 310           |  
  7. | url1  | Peter   | 310           |  
  8. | url2  | -1      | 180           |  
  9. | url2  | Marry   | 90            |  
  10. | url2  | Peter   | 90            |  
  11. | url3  | -1      | 6760          |  
  12. | url3  | Marry   | 3380          |  
  13. | url3  | Peter   | 3380          |  
  14. | url4  | -1      | 7380          |  
  15. | url4  | Marry   | 3690          |  
  16. | url4  | Peter   | 3690          |  
  17. | url5  | -1      | NULL          |  
  18. | url5  | Marry   | NULL          |  
  19. | url5  | Peter   | NULL          |  
  20. +-------+---------+---------------+--+  
posted @ 2016-10-10 21:20  thinker1017  阅读(1102)  评论(0)  编辑  收藏  举报