Question

假设我有一个Hive表logins，其中包含以下列：

user_id | login_timestamp

我现在有兴趣获得一些活动KPI。例如，每日活跃用户：

SELECT 
to_date(login_timestamp) as date,
COUNT(DISTINCT user_id) daily_active_user
FROM
logins
GROUP BY to_date(login_timestamp)
ORDER BY date asc

将其从每日活动更改为每周/每月活动并不是很重要，因为我可以交换to_date()函数来获取月份，然后按该值进行分组。

我现在想要得到的是按日期分组的最近n天（例如3）中活跃的用户数量。此外，我正在寻找的解决方案适用于可变时间窗口，而不仅仅是一天（在第x天获取最近3天的活跃用户数量只会很容易）。

结果应该有点像这样：

date, 3d_active_user
2017-12-01, 111
2017-12-02, 234
2017-12-03, 254
2017-12-04, 100
2017-12-05, 103
2017-12-06, 103
2017-12-07, 230

在第一个选择（例如select x, (select max(x) from x) as y from z）中使用子查询构建移动时间窗口的变通方法是不可能的，因为我使用的Hive版本不支持它。

我试过像COUNT(DISTINCT IF(DATEDIFF(today,login_date)<=3,user_id,null))这样的运气，但到目前为止我尝试的一切都没有用。

您对如何解决此问题有任何想法吗？任何帮助表示赞赏！

Answer 1

您可以使用“BETWEEN”功能。如果要查找活动用户，请从特定日期登录到现在。

SELECT to_date(login_timestamp) as date,COUNT(DISTINCT user_id) daily_active_user FROM logins WHERE login_timestamp BETWEEN startDate_timeStamp AND now() GROUP BY to_date(login_timestamp) ORDER BY date asc

如果您想要在特定日期范围内登录用户的活跃用户，请执行以下操作：注意： -

SELECT to_date(login_timestamp) as date,COUNT(DISTINCT user_id) daily_active_user FROM logins WHERE login_timestamp BETWEEN to_date(startDate_timeStamp) AND to_date(endDate_timeStamp) GROUP BY to_date(login_timestamp) ORDER BY date asc

获取按日期分组的最近n天的活动用户数量

1 个答案: