hive留存率的统计

简介: hive留存率的统计

需求背景

留存率:某日注册的用户,在之后几天是否活跃,一日留存率就是用户注册后第二天仍然活跃,以此类推,三日留存率,七日留存率。

任务:
计算所有用户注册后的一日留存率,三日留存率,七日留存率,14日留存率,30日留存率,60日留存率,90日留存率。

建表

use default;
show tables;
create table register_tbl(
user_id string,
register_date string)
row format delimited fields terminated by ',' 
location "/HiveTestDB/retention/re"
tblproperties("skip.header.line.count"="1");
create table active_tbl(
user_id string,
active_date string)
row format delimited fields terminated by ',' 
location "/HiveTestDB/retention/ac"
tblproperties("skip.header.line.count"="1");
load data local inpath "/home/hadoop/register_tbl.csv" into table register_tbl;
load data local inpath "/home/hadoop/active_tbl.csv" into table avtive_tbl;
select * from register_tbl;
select * from active_tbl;
建留存率表
...

思路


说明:

register_tbl表记录了所有用户的注册日期,

active_tbl是用户所有活动日期;

步骤;

register_tbl左关联active_tbl,如果要计算特定时间范围内注册用户的留存率,通过where子句过滤。
按用户和注册日期分组,计算组内活跃日期与注册日期差值分别为1,3,7,14,30,60,90的记录的个数,通过distinct实现有为1,没有为0
由此计算全部用户中留存一天、三天和七天的个数及比例
此留存率需要滚动式进行更新,故需要和原留存率表的数据进行union

sql实现

insert overwrite table ads_user_retention
select * from ads_user_retention
union
select 
  count(*) total, 
  sum(d1) 1d_Retent,
  sum(d3) 3d_Retent,
  sum(d7) 7d_Retent,
  sum(d14) 14d_Retent,
  sum(d30) 30d_Retent,
  sum(d60) 60d_Retent,
  sum(d90) 90d_Retent,
  sum(d1)/count(*) 1d_Retent_Rate,
  sum(d3)/count(*) 3d_Retent_Rate,
  sum(d7)/count(*) 7d_Retent_Rate,
  sum(d14)/count(*) 14d_Retent_Rate,
  sum(d30)/count(*) 30d_Retent_Rate,
  sum(d30)/count(*) 30d_Retent_Rate,
  sum(d60)/count(*) 60d_Retent_Rate,
  sum(d90)/count(*) 90d_Retent_Rate,
  from 
  (select 
    uid,rd,
    count(distinct if(datediff(ad,rd) = 1, 1, null)) d1,       // 留存天数
    # 也可以 if(count(datediff(ad,rd) = 1 or null)>0,1,null),避免使用distinct
    count(distinct if(datediff(ad,rd) =3, 1, null)) d3,
    count(distinct if(datediff(ad,rd) =7, 1, null)) d7,
    count(distinct if(datediff(ad,rd) =14, 1, null)) d14, 
    count(distinct if(datediff(ad,rd) =30, 1, null)) d30, 
    count(distinct if(datediff(ad,rd) =60, 1, null)) d60, 
    count(distinct if(datediff(ad,rd) =90, 1, null)) d90 from 
      (select 
      r.user_id uid,from_unixtime(unix_timestamp(r.register_date,'yyyy-MM-dd')) rd,      // 留存日期
      from_unixtime(unix_timestamp(a.active_date,'yyyy-MM-dd')) ad                       // 活跃日期
         from 
      register_tbl r left join active_tbl a on r.user_id = a.user_id) s1 group by uid,rd ) ads_user_retention


相关文章
|
7月前
|
SQL BI HIVE
【Hive SQL 每日一题】统计用户留存率
用户留存率是衡量产品成功的关键指标,表示用户在特定时间内持续使用产品的比例。计算公式为留存用户数除以初始用户数。例如,游戏发行后第一天有10000玩家,第七天剩5000人,第一周留存率为50%。提供的SQL代码展示了如何根据用户活动数据统计每天的留存率。需求包括计算系统上线后的每日留存率,以及从第一天开始的累计N日留存率。通过窗口函数`LAG`和`COUNT(DISTINCT user_id)`,可以有效地分析用户留存趋势。
471 1
|
7月前
|
SQL HIVE
【Hive SQL 每日一题】统计用户连续下单的日期区间
该SQL代码用于统计用户连续下单的日期区间。首先按`user_id`和`order_date`分组并去除重复,然后使用`row_number()`标记行号,并通过`date_sub`与行号计算潜在的连续日期。接着按用户ID和计算后的日期分组,排除连续订单数少于2的情况,最后提取连续下单的起始和结束日期。输出结果展示了用户连续下单的日期范围。
243 0
|
7月前
|
SQL 关系型数据库 HIVE
【Hive SQL 每日一题】统计最近1天/7天/30天商品的销量
这段内容是关于SQL查询的示例,目标是统计`sales`表中最近1天、7天和30天的商品销量和销售次数。表结构包含`id`、`product_id`、`quantity`和`sale_date`字段。初始查询方法通过三个独立的子查询完成,但效率较低。优化后的查询使用了`lateral view explode`将数据炸裂,通过一次查询同时获取所有所需时间段的数据,提高了效率。示例中展示了优化前后的SQL代码及结果对比。
318 0
|
7月前
|
SQL HIVE
【Hive SQL 每日一题】统计最近7天内连续下单3日的用户量
创建了一个名为`sales`的测试表,包含`user_id`、`product_id`、`quantity`和`sale_date`字段,插入了多条销售数据。需求是找出最近7天内连续下单3天的用户数量。SQL查询通过分组和窗口函数`row_number()`检查日期连续性,最终计算满足条件的唯一用户数。示例结果显示有3名用户符合条件。
234 0
|
SQL HIVE
58 Hive案例(访问时长统计)
58 Hive案例(访问时长统计)
92 0
|
SQL 存储 Shell
hive统计每日的活跃用户和新用户sql开发(附shell脚本)
hive统计每日的活跃用户和新用户sql开发(附shell脚本)
hive统计每日的活跃用户和新用户sql开发(附shell脚本)
|
SQL HIVE
Hive去重统计
Hive去重统计
|
SQL 存储 缓存
数据湖实操讲解【 JindoTable 计算加速】第二十一讲:分层更高效,对 Hive 数仓进行热度/冷度统计
数据湖 JindoFS+OSS 实操干货 36讲 每周二16点准时直播! 扫文章底部二维码入钉群,线上准时观看~ Github链接: https://github.com/aliyun/alibabacloud-jindofs
数据湖实操讲解【 JindoTable 计算加速】第二十一讲:分层更高效,对 Hive 数仓进行热度/冷度统计
|
SQL 存储 缓存
分层更高效,对 Hive 数仓进行热度/冷度统计 | 学习笔记
快速学习分层更高效,对 Hive 数仓进行热度/冷度统计。
618 0