摘要：
作为一名数据分析师，平常用的最多的工具是SQL(包括MySQL和Hive SQL等)。对于存储在数据库中的数据，自然用SQL提取会比较方便，但有时我们会处理一些文本数据(txt,csv)，这个时候就不太好用SQL了。Python也是分析师常用的工具之一，尤其pandas更是一个数据分析的利器。虽然二 阅读全文
摘要：
知识点 基本流程 实验分层问题 最小样本量计算 均值类 比值类 SRM检验 指标检验 比值类 均值类 关于统计检验显著性问题 参考资料基本流程 确定基本流程和假设，确认做这个功能是为了提升/降低什么指标。 开发相关功能 设计分层实验，进行流量分配。通过PowerAnalysis计算最小样本量。 实验 阅读全文
摘要：
order by order by会对输入做全局排序，因此只有一个Reducer(多个Reducer无法保证全局有序)，然而只有一个Reducer，会导致当输入规模较大时，消耗较长的计算时间，在生产环境中遇到数据量较大的情况，一般无法成功。 sort by sort by不是全局排序，其在数据进入r 阅读全文
摘要：
一、“分箱”定义 各行各业的打工人，经常会面对一种令人尴尬的质疑：为什么你把15-25归为一类，10-20不行吗？13-23不行吗？ 以及地产干饭人经常会被问到的：120-140㎡是主力，那119㎡行不行，118㎡呢？这个时候，通常大部分人会说那样也行。 可是那样真的行吗？吾不以为然也。而且，不但那 阅读全文
摘要：
自增列的生成 over()里不带排序或order by 1是一样的效果 select row_number() over() as id,a1.id,relationwords,relation_words from ods.ods_wpt_management_search_relation_wo 阅读全文
摘要：
背景 最近很多时候需要将hivesql转化为prestosql ,这里面有很多不能直接复用需要调整func甚至改用其他逻辑。 为了后续方便查询，后面将总结以下经常用到的sql记录下来方便后续使用。 爆炸函数实现 hive：SELECT student,score FROM tests LATERAL 阅读全文
摘要：
安装过程 新建虚拟环境：conda create -n superset python=3.7 激活虚拟环境：conda activate superset -安装superset：pip install apache-superset -i [https://pypi.douban.com/sim 阅读全文
摘要：
Rollup Rollup的根本作用就是提升某些查询的查询效率，也称为物化索引。 Rollup属于Base表，Base表可以增删Rollup，Rollup完全和Base表同步更新，Base表数据发生变化，Rollup也会跟随Base表变化。 Rollup完全独立存储，因此要考虑存储问题。 Rollu 阅读全文
摘要：
简介： 根据技术调研的过程可以明显的体会到hbase的存储方式和数据库的存储有着明显的区别，查询的方式也有着很大不同，HBase主要是通过这种filter来对数据进行筛选。同时对于数据的体量较大（10亿级别以上的数据数据量），检索和修改的场景较多时是比较适合使用hbase。 HBase过滤器可以根据 阅读全文
摘要：
数据库角色 为了帮助管理数据库级别的安全性，SQL Server具有数据库角色。就像服务器角色一样，也有两种不同类型的数据库角色:固定的和用户定义的。固定的数据库角色就像固定的服务器角色一样，这意味着它们拥有一组特定的权限，这些权限不能被更改。 固定的数据库角色只提供对特定数据库中的数据库资源的权限 阅读全文