Question

我的表结构是这样的：

StartNew

我正在瞄准这些领域，

hive> describe user_data2;
OK
received_at             string                                      
message_id              string                                      
type                    string                                      
version                 string                                      
timestamp_user          string                                      
user_id                 string                                      
sent_at                 string                                      
channel                 string                                      
time_log                string

在此我想做基于时间的查询。喜欢

平均小时数;每月;期限：过去12个月
在0-1h /天之间活跃的用户百分比
在1-2小时/天之间活跃的用户百分比
在2-4小时/天之间活跃的用户百分比
在4-8小时/天之间活跃的用户百分比
在8-12h /天之间活跃的用户百分比
在12-16h /天之间活跃的用户百分比
在16-24小时/天之间活跃的用户百分比

我得到了一些使用Datetime UDF的线索 - https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF#LanguageManualUDF-DateFunctions

但我不知道如何使用这个功能。

我试过了：

hive> select received_at, time_log, user_id from user_data2 limit 5;
OK
2016-01-08T12:27:05.565Z    1452256025  836871
2016-01-08T12:27:12.634Z    1452256033  800798
2016-01-08T12:27:12.632Z    1452256033  795799
2016-01-08T12:27:13.694Z    1452256033  820359
2016-01-08T12:27:15.821Z    1452256036  294141

哪个没有。

如果有人举例说明使用时间UDF并在两小时或其他时间段内获取记录，我感激不尽。

Answer 1

假设您当地的TZ是罗马......

select
  from_utc_timestamp(regexp_replace(regexp_replace(RECEIVED_AT, 'T',' '), '\\..*$',''), 'Europe/Rome') as TS_RECEIVED,
  cast(from_unixtime(cast(TIME_LOG as int)) as timestamp) as TS_LOGGED
from WTF ;

+------------------------+------------------------+--+
|      ts_received       |      ts_logged         |
+------------------------+------------------------+--+
| 2016-01-08 13:27:05.0  | 2016-01-08 13:27:05.0  |
+------------------------+------------------------+--+

基于时间的hive表查询

1 个答案: