配置单元中的累积和函数

Question

有没有办法获得今天的日期和今天的日期之前的累积计数（customer_id），我在Hive中运行计数？此格式的日期列：

20120907

我的数据集中有2列，customer_id和date。

我的表中还有分区，customer_id列中的一些值为NULL。我不确定是否有重复，所以我将使用

count(distinct(customer_id))

以下是我的数据示例。

 customer_id  date
10001         20140901
10003         20141001
NULL          20150101
10007         20150102

如果您需要更多信息，请与我们联系。

Answer 1

我遇到同样的问题，每天获得不同用户的累计数量。 这里的困难在于你几乎不能预先聚合每天的计数并总结它们，因为这些天可能有“重叠”的用户，因此你可以多次计算它们而不是一次。

但是我在Gandi API documentation方法上遇到了绊脚石，这种做法基本上每天都在“sketch_set”中对所有用户进行哈希处理，然后联合使用不同的哈希集，并对其应用计数估计。