Hive统计新增,日活和留存率

用户行为触发的日志上报,已经存放在Hive的外部分区表中. 结构如下: 主要字段内容 dt表示日期,如20160510 platform表示平台,只有两个选项,苹果和安卓 mid是用户机器码,类似于网卡MAC地址什么的 pver是版本 channel是分发渠道 现在产品经理需要统计每天用户的新增,日活和留存率. 其中 留存率的概念是,如果用户在5月1日第一次使用我们的产品。 如果5月2日他还使用了,那么5月1日的“一日留存”加一. 同理5月3日他又使用率，5月1日的“两日留存”加一. 5月1日的“一日留存率”=5月1日“一日留存” / 5月1日新增用户数量. 先创建一个表,记录用户首次使用的日期.   dt是用户首次使用的日期,比如 20160510 cver是版本 pcid是用户机器码,就是原始日志表的mid 然后创建一个每天数据的存放表,统计昨天一天的新增,激活和留存. dt是日期 type 1:新增 2:留存 3:日活 num 是用户数量, dtdiff仅仅用于计算留存,说明用户使用和首次使用的日期间隔多少天. 1.Hive统计每天新增用户 $dt是shell传入的变量 dt=$(date -d last-day +%Y%m%d) 该脚本每天凌晨执行,统计昨天的数据. 每次执行,先清空report_userinfo表 truncate table report_userinfo; insert into user_login_history    select platform,min(dt),channel,cver,mid,1 from log_vvim   where    mid not in (select pcid from user_login_history where type=1)   and mid is not null   and dt=$dt   group by platform,channel,cver,mid;   这个意思就是 原来没有记录在 user_grouproom_login_history表中的pcid,java如果出现在昨天的 日志表中,则说明用户是新增的. 然后将昨天新增的用户数量写入 insert into report_userinfo    select platform,dt,channel,cver,type,count(*) num,-1 from user_login_history     where type=1    and dt=$dt   group by platform,dt,channel,cver,type;  2.统计每天激活用户数量 insert into report_userinfo    select platform,dt,channel,cver,3,count(distinct mid),-1 from log_vvim    where    mid is not null and dt=$dt   group by dt,platform,channel,cver;   这个倒是简单,根据原始的日志表,统计今天使用过的pcid,经过去重,java培训中的用户就是今天的日活用户量. 3.统计留存率. insert into report_userinfo    select    xinzeng.platform,   xinzeng.dt,   xinzeng.channel,   xinzeng.cver,   2,   count(distinct cunliu.pcid),   datediff(       from_unixtime(unix_timestamp(cast(cunliu.dt as string),'yyyyMMdd')),       from_unixtime(unix_timestamp(cast(xinzeng.dt as string),'yyyyMMdd'))   )   from   (       select * from user_login_history where type=1   ) xinzeng   inner join    (       select        platform,       dt,       channel,       cver,       mid pcid        from log_vvim        where mid is not null and dt=$dt group by platform,dt,channel,cver,mid   ) cunliu on   (       xinzeng.platform=cunliu.platform and       xinzeng.channel=cunliu.channel and       xinzeng.cver=cunliu.cver and       xinzeng.pcid=cunliu.pcid   )   where cunliu.dt>xinzeng.dt    group by    xinzeng.platform,xinzeng.dt,xinzeng.channel,xinzeng.cver,   datediff(       from_unixtime(unix_timestamp(cast(cunliu.dt as string),'yyyyMMdd')),       from_unixtime(unix_timestamp(cast(xinzeng.dt as string),'yyyyMMdd'))   );   该SQL主要计算昨天使用过的用户,他的首次使用日期,然后计算差值 表示安卓平台,20160425那天首次使用的用户,在8天之后,还使用过的用户数量为20人。 因为计算新增和日活在计算留存之前, cunliu.dt>xinzeng.dt 主要是确定当天新增的用户不计入留存率计算. 统计完成之后,将hive表导入MySQL sqoop export --connect jdbc:mysql://IP:端口/report --username uname --password "pwd" --table report_userinfo --export-dir '/user/hive/warehouse/logs.db/report_userinfo' --fields-terminated-by '\001' 最终通过报表展现