Hive统计新增,日活和留存率, 使用sqoop导出到MYSql

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