hive 提取用户第一次浏览/购买 某商品的 时间

Hive虽然强大，但是我们遇到的业务需求必定是千奇百怪的。

在做日志解析的时候，我们会遇到访客，和访次的概念。

对于在2个小时之内的访问，我们认为是访问一次，对于两个小时之外的访问，我们认定是再次访问。

也就是是说，最新一次访问，与上一次访问之间间隔超过2个小时，则算是第二次访问。

用Hive来做过滤。

理一下思路：

select cookie_id, min(visit_time)

from web_log

group by cookie_id

用上面的计算来求出每个Cookie的第一次访问。

然后把这个访客的第一次访问的数据清理出来

select *

from web_log a

left outer join (

select cookie_id, min(visit_time) first_visit

from web_log

group by cookie_id

) b

on a.cookie_id = b.cookie_id

where a.visit_time > first_visit + 2 hours

这样就取出了一些第二次访问的客户数据了。

重复5-6次。

这样就可以计算出到底有多少防次访问了网站。

虽然不一定是最优解，不知道还有没有更好的办法呢？？

想到一个方法，在Reduce阶段，用Distribute By cookie_id。

然后使用Python脚本进行编程。

取一条登陆记录，取其访问的时间。用变量保存。

然后再取一条记录，

如果新的记录的访问时间与上一次的访问记录相差2个小时，则输出上一条记录。

如果在2个小时之内，更新变量，不输出，继续访问。这样就像是个游标一样处理数据。

最后将输出格式为 cookie_id，first_visit_time，last_visit_time这样的格式，每一条这样的记录作为一次的访问。这一次访问包含N次请求。

http://dacoolbaby.iteye.com/blog/1824977

同样，对于商品第一次浏览的时间统计：

--- 先根据规则购买用户的订单表，得到用户购买某些三级品类的订单时间
set hive.exec.parallel=true;
set mapreduce.job.split.metainfo.maxsize=-1;
drop table if exists dev.dev_jypt_jiazhuang_rule_user_all_buy;
create table if not exists dev.dev_jypt_jiazhuang_rule_user_all_buy
as
select * from dev.jiazhuang_user_rule_buy_order_table_15_v2
where
    item_third_cate_cd in
    ('878','753','751','13690','760','898',
	'870','1278','13691','13298','745','13117',
	'880','1300','749','14421','12394','758',
	'9934','9906','9939','9915','9904','9933',
	'4952','9863','9916','9931','9911','11961',
	'9910','9940','1629','9933','9912','1631')

--- 根据规则用户购买某些三级品类的订单时间，得出用规则户购买某个三级品类的最早时间
drop table if exists dev.dev_jypt_jiazhuang_rule_user_first_buy;
create table if not exists dev.dev_jypt_jiazhuang_rule_user_first_buy
as
select
    user_log_acct,
	-- sale_ord_id,
	-- parent_sale_ord_id,
	-- brand_cd,
	brandname,
	item_third_cate_cd,
	item_third_cate_name,
	-- item_sku_id,
	-- sale_qtty,
	-- after_prefr_amount,
	-- rev_addr_province_id,
	-- rev_addr_city_id,
	-- rev_addr_county_id,
    min(sale_ord_tm) user_first_buy_tm
from
    dev.dev_jypt_jiazhuang_rule_user_all_buy
group by
    user_log_acct,
    brandname,
    item_third_cate_cd,
    item_third_cate_name