hive ETL之广告行业-用户行为归类sql

-- case2 -- --========== click_log ==========-- /* 11    ad_101    2014-05-01 06:01:12.334+01 22    ad_102    2014-05-01 07:28:12.342+01 33    ad_103    2014-05-01 07:50:12.33+01 11    ad_104    2014-05-01 09:27:12.33+01 22    ad_103    2014-05-01 09:03:12.324+01 33    ad_102    2014-05-02 19:10:12.343+01 11    ad_101    2014-05-02 09:07:12.344+01 35    ad_105    2014-05-03 11:07:12.339+01 22    ad_104    2014-05-03 12:59:12.743+01 77    ad_103    2014-05-03 18:04:12.355+01 99    ad_102    2014-05-04 00:36:39.713+01 33    ad_101    2014-05-04 19:10:12.343+01 11    ad_101    2014-05-05 09:07:12.344+01 35    ad_102    2014-05-05 11:07:12.339+01 22    ad_103    2014-05-05 12:59:12.743+01 77    ad_104    2014-05-05 18:04:12.355+01 99    ad_105    2014-05-05 20:36:39.713+01 */ CREATE EXTERNAL TABLE click_log (     cookie_id  STRING   , ad_id      STRING   , ts         STRING ) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' LOCATION '/tmp/db_case2/click_log'; select cookie_id, collect_set(ad_id) as orders from click_log --where ts > '2014-05-02' group by cookie_id; select cookie_id, group_concat(ad_id, '|') as orders from click_log --where ts > '2014-05-02' group by cookie_id; --========== ad_list ==========-- /* ad_101    http://abcn.net/    catalog8|catalog1 ad_102    http://www.abcn.net/    catalog6|catalog3 ad_103    http://fxlive.de/    catalog7 ad_104    http://fxlive.fr/    catalog5|catalog1|catalog4|catalog9 ad_105    http://fxlive.eu/     */ CREATE EXTERNAL TABLE ad_list (     ad_id    STRING   , url      STRING   , catalogs array<STRING> ) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' COLLECTION ITEMS TERMINATED BY '|' LOCATION '/tmp/db_case2/ad_list'; CREATE EXTERNAL TABLE ad_list_string (    ad_id    STRING  , url      STRING  , catalogs STRING ) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' LOCATION '/tmp/db_case2/ad_list'; select click.cookie_id, click.ad_id, click.amount, ad_list_string.catalogs as orders from (   select cookie_id, ad_id, count(1) as amount from click_log group by cookie_id, ad_id ) click join ad_list_string on (ad_list_string.ad_id = click.ad_id); select ad_id, catalog from ad_list LATERAL VIEW OUTER explode(catalogs) t AS catalog; select ad_id, collect_set(catalog) from ad_list LATERAL VIEW OUTER explode(catalogs) t AS catalog group by ad_id; select click.cookie_id, ad.catalog from click_log click left outer join (   select ad_id, catalog from ad_list LATERAL VIEW OUTER explode(catalogs) t AS catalog ) ad on (click.ad_id = ad.ad_id); create table cookie_cats as select click.cookie_id, ad.catalog, count(1) as weight from click_log click left outer join (   select ad_id, catalog from ad_list LATERAL VIEW OUTER explode(catalogs) t AS catalog ) ad on (click.ad_id = ad.ad_id) group by click.cookie_id, ad.catalog order by cookie_id, weight desc; select cookie_id, collect_set(catalog) from cookie_cats group by cookie_id; -- where catalog is not null select cookie_id, group_concat(catalog, '|') from cookie_cats group by cookie_id; -- impala group_concat