51_尚硅谷_Hive案例_课堂练习（一）

好先呢，我们把这个数据给它准备一下，好吧，我把这个CTRLC给它拿过来啊，啊还是一样的，你们粘的时候呢，也把它粘出来，看一下这个分隔符对不对。啊，要不然导进去它有问题吧，先看一下符，这个没问题啊，都是刚给他拿过来啊在这个地方。我VI一个VI visit.ok吧，啊插入。保存，保存退出。然后呢，建表语句我直接从这拿一下子，我们来看一下啊呃，因为这个里面呢，就告诉你了u ID data和这个COUNT3个字段吧，那这建表语句三个字段就杠T分工啊，刚才我们数据集就杠T啊，好把它拿过来C。摘下运行，那现在呢，我们把这个数据是不是应该导进来，对吧，这个呢，大家肯定都做好，呃，还是从这这。PWG，然后拿一下这个数据。VI visit.txt对吧，啊，然后into。

Table这个VI这张表，嗯，我不叫V，什么啊，叫action。Al action啊，导到action表select，新from这个action。走啊，数据呢，就搞定了啊，数据在这啊先表这个呢，他搞定一下，那我们看一下他要的一个内容，就是说他提供的数据是这样。然后要我们求这个内容。对吧，首先你能看到这个地方。格式不一样了吧，对吧？啊，首先第一个它是年月日，最后只要年月，而且它分割符是斜杠，它分割符是什么横杠。所以是不是用到我们那个替换分割符那个函数可以给他替换啊，然后取月份呢。有很多同学找到了那个瑞这个。是不是很多同学在用subs病啊啊，但是你要注意啊，S病那个截取出来的是。

没有零。发现了吗？对，用做骂吗？对，它风暴的不是格式化吗？我传年月日十分秒，我只去年月行不行？可以吧，啊可以也就是说，而且它这里边无论是小计还是累计都看出来是跟月份相关的吧，所以第一步咱们是不是应该把这个数据给它处理一下，对吧，那我们就把这个数据给它处理一下，我把这个三个字段给他来一下啊。我在这里写。好，我继续往后啊，这块呢，我们不要上面好字段放在这，那个表是叫action对吧？啊表明叫action啊不是这好第一步呢，是对它的一个格式化啊c select是不是所有字段我们先不动了。对吧，先保留第二个是不是要给它格格式化一下，对吧，那是不是得塔风慢了，如果说你觉得这个不行的话，你可以分成只插曲两步吧，啊，我们用一步好，第二个应该是要的是YYYY。

杠MM这个参数写项第一个是不是替换后的分隔符，因为我们当时测了贝塔这个东西，只认横杠嘛，不认斜杠啊，那是不是用IGXP下划线叫replace。Replace对括号replace几个参数。三个参数吧，啊，第二个参数是你要替换成替换哪个分割符，然后替换成什么对吧，前面就是字段嘛，就是的什么。Data。对吧，假如说这个东西呢，取别名是不是因为后面要用了，我们还取自己还叫可以吧啊，然后第三个是visit come，好from。From，我们都给它分开from action这张表了，好，写完之后这个表呢，取名叫T，先把它干什么？

跑一把看一下吧，啊好一把看一下走一下。是不是到我们要的这种格式了。对吧，啊，到我们要的格式了，好，现在这个数据集是它啊，我们就不按照刚才那个数据来做了啊结果放在这。接下来我们看一下，继续往后分析对吧？哎，我把这个结果截一下。CTRL加A啊。钉在屏幕上面。因为我们就可以不要这个原始数据集了，对吧，我们就看它来做对比。现在呢，我们把每个人。每天的数据把这个天呢变成了月份。对吧，啊，变成了月份，那你看一下这个数据集啊，来这个小G一看，应该能看出来是什么结果的累加吧。是不是同一个人，同一个月份的。总格啊，访问总次数对吧，维一的看是不是访问总次数，那这个如果说没有它啊。

好做吗？怎么做？Select。UID，然后第二列对吧，VC的塔我取别名还是取了自己啊第三列。Some。We come对吧，From体表，然后go by。I加上。月份。对不对，有没有问题。没听懂就是现在啊，假如说这个数据在这，我现在不考虑他。那这个东西怎么写啊。叫来。U zd对吧，第二个是我们要的。Visit data，因为我取别名还是他吧啊这样为了做一个区分，我取别名叫MN可以吧啊，省得大家那个取别名，要不然取混了啊，这个MN是格式化后的，OK吧啊，取一个MN啊，然后第三个是不是some什么。

看。看到OK from那个表。T表对吧？啊from t表，这个时候既然你是有字段和some，你是不是应该加一个。谁有的ID，然后有没问题。对吧，那我们把它跑一下，是不是前面加一个什么括号，把这个T表给他。拿过来吧，哎，给他拿过来放在C啊放在这，然后呢，把它一啊看一下结果走。那结果这个我就不要，可以销毁了。

好，然后呢，考上C加A，然后把它。拿不来。好在这。对比一下这个数据。是不是这个东西。搞定了。没问题吧，说一题，那最后一列我们这类还要累计，还要进来，而且大家发现累计累计的是什么东西啊。把小鸡的结果做哪家是不是按照时间做累压的？而且对按人按照时间做累加的嘛，先一月份的一个结果，然后到了二月份，把一月份二月份加在一块了啊加在一块，那我们当时想的应该是这样，那同学想的这块是按人加的，很多同学我看的是在这块直接干什么。逗号上一个。

的看到，然后后面呢，Over对吧，不按人类加吗？这是什么东西。是不是很多人是这样写的啊，还有一个凹的对吧，好的。喂，这个什么阿门。是不是有人写的？对吧，那你看这个。这个内容放在这儿。来，我们先不分析其他的，来分析这个。首先我们说了这个窗口函数。啊，不对，有很多人应该是这样写的。这个地方呢，是怎么写的，他？是不是有很多人这样写的，因为这个东西第一步我们求出来一个结果，他求出来看着是不是按照用户，按照月份进行分区，按照两个分区做代码啊，求出来这个内容，好，接下来我们按照用户按照这个。

人来做吗？好，那你分析一下，现在我的数据里边。U1。两个时间。啊，U12个时间对吧，那将来这个东西出来。几条数据？这样能不能成，先考虑这个问题，就是因为现在情况是这条去掉，大家都会做，就是到我们刚才这个结果，这个没问题吧。到这一步有问题吗？第一步是不是格式化时间就没问题吧，因为你看到结果原始数据里面什么斜杠，后来变成中告，这个你肯定会想要替换一下啊。没问题吧，好，第二步到他到这步就是到这个结果有问题吗。这个总没错吧，因为小季嘛，按照月份同一个人同一个月份的数据，那也就是说最后一个这个地方。

这个累计的结果。你是因为我看到有很多人是不是直接在第二部里边是这样写的，想看能能做这个事。但是你有没有发现，其实它这个数据的条数不一样啊。没听懂，来看一下，注意我们这两个，假如说有很多人写的是这两个窗函数，对吧，是不是有人这样写的，那那我们来分析一下这个为什么行不通啊，来看。还记得这个数据集大概是什么样子吗？我们去拿一下。是不是他呀，对吧。拿过来。好，我们分析一下为什么这个东西行不通对吧，好。我们来看一下，我们之前说过，既然你开窗，是不是对每一条数据都有一个窗口。

这没问题吧，每条数据好，那你看这个地方U1。UE。用一。对于每一条数据都有一个自己的窗口，那将来U一会出现几次？这还有一个对吧，是不是应该是四次。而且你用这样一写之后，这四次的结果应该是U01，然后2017年，什么一月份有两个结果吧，11又有一个什么幽灵一，2017年。一月有一个11。对不对啊，应该还有一个是二月份吧，两个二月份，然后同样1012017年什么。二月份这个是14对吧，同样的还有一个14。

12吗？啊不，十二十加四八加四对吧，12是不这样的一个结果是你要的内容吗？不是的啊不是的，所以我们第一步你看一下，而且刚才我们分析的在这个地方分析的一个内容看了。这个东西你都已经知道了，是对于这个结果做什么？做累加，那我先把它求出来，我再做一个什么。在外面再去写一个。Select，也就是说这个放在子查询里面。因为你发现了这个结果。这个累计的结果是不是累计的当前小计的结果呀，我们说了这个是两次。我们对这个结果是不是要你要计算。这个结果是不是要计算？你不写查询计算出不来了，而当前第二次的结果是不是对你第一次结果再做计算了，你就不要想着把它干什么写在一个查询里边了，我们就说过，你对于某一个结果还要再进行加工的时候，你要干什么事啊？

子查询不要忘了子查询你不要想着就是你们写搜的时候，就想着把所有东西都写在一个省份里面，因为这个东西我相信大家都能看出来，这个结果是对这个结果的一个什么。求和。有人没看出来吗？这个没看出来不至于吧，是吧，你既然都看出来了，累计是小计的是吗？结果呢？求和了，你怎么还在想着把它写在一个词汇语句里面呢？对吧，那就跨两个so来写啊，这个东西呢，我们给它消毁掉啊，这个东西呢，也给它消毁掉，然后现在我们有的这个结果我把它干掉。把它干掉，恢复原状，是不是我们之前写的是这个语句啊，对吧，这个词个语句执行出来的结果就是。

看吧，好，对于这个数据集，我同样的把它粘到这里面来。站在这来，那对这个数据集来说，我们接下来要求的内容就是做累加吧，按照人，按照时间是不是做累加，那这个东西怎么写。有待还要吗？因为结果数据要第二个呢。MN是不是要保留对吧，MN要保留，接下来呢。小G是不是要保留小G这个，我取个名字对吧，叫下划线这个。我在看OK吧，那取个别名，因为别名后面我们才能用吗？放在这。啊，全平平放在这儿，那接下来最后一列。是不是第一个是11，第二个是23，这个又是12，这个八三。跟我们之前学过的按照时间累加的内容是不是一样的呀，而且在对于同一个人按照时间累加对不对对吧，那接下来这个地方是不是求和没问题吧。

求的是谁的和，是之前上的一个和吧，啊，然后O要开窗对吧？啊，因为你是做累加，这个累加里边是针对于同一个人，按照时间的先后顺序做累加，所以这里面应该写一个part by use ID，然后order by mi，对不对？对吧，好，那这个接下来from。上面我们取别名叫T可以吧，啊叫T，来这个写一个T。然后我们把这个跑一把，跑一把之后在七号前面加一个什么。括号，然后把这个东西给他。给他拿进来。放在这，然后把整体干什么好吧，多一个什么第几行啊这。

然后呢，来吧，走。也就是说，你看出来了一个结果是另外一个结果，求和的内容就是说你已经看出来了，这一列是它的一个。结果上再进行加工，一个结果我们都看出来了，那你要想到用什么子查询，我们之前就强调过这个点。你不要想着我再放一个A，对吧，我们之前举的例子，我举的例子应该是抗，对吧，我之前举了一个例子就是抗心。然后你在同一个查询里边还求什么。Count新的加一这个就不行了，这个就不能写在一个什么查询里边啊，查询里面，因为你是对某一个计算结果进行加工，如果说你你这个结果不是对它进行加工，而是对它进行加工，可能不能写这一法。可以吧，因为它是原始数据嘛，相当于对吧，原始计算，但是现在你是对已经要计算的一个结果再进行计算，你就要用什么。

子查询，你就要一定要用子查询啊，就是我发现大家对于这个子查询用的还是不是特别熟练。啊，不是特别熟练。还有一个问题就在于。大家在写这个搜索的时候，我看了几个人，有些人呢，就是下面写了group，上面呢，又假如说group by u的ID，这个里面呢，又写了一个什么。Offer，然后这又写呗。就是不是说你学了欧函数，但凡要分组的时候就一定要用欧函数啊，不是这意思啊，前面勾这个东西还可以用啊。当我们特殊需求。像这种。这个是不是随着时间的递增，我们要累加乙往的精华，那这种勾半能搞定吗？Go能做吗？做不了啊，做不了的时候你再考一个内容，而我们刚才第二个词汇语句的时候，我们只是按照人，按照什么。

一月份把一个人的数据给他累加到一块吧，客户盖能做吗？能做吧，啊，当然你这块用over也可以，也就是说这块呢，这个语法不是这样写的吗？对吧，可以改一种啊，怎么写呢，把它看到了go by这个东西就不要了，你就一个你不要底下用go by上面又写那个什么，对吧，那你既然没用，你这个里面可以写什么over partition by，然后这个UID逗号。是MN嘛，对吧，上个阶段的MN这个也是可以的。啊，就是两个用一个，因为你这两个东西不都是为了分组吗。嗯，对吧，如果你两个同时写了，那O就不是对原始数据进行分组了，而是对什么进行分组了，对你这个分组后的结果再进行分组。我们当时举的那个例子，这个地方在这。

窗户这。还记得这个地方。第一个查询这。我们是不是。当时应该我记得是Jack是。四个名字对吧，然后还有一个mark，一个是不是总有五条数据啊。对吧，那你看总共五条数据，当如果说我没有写这个的时候。它出来的是什么东西啊。四个这个一个骂，而且这个后面都是。对不对，好，那接下来这个地方呢，如果我加了勾半内，那也就是说勾BY之后JACK4跟MARK1都只有一条数据了，一个名字只有一条了吧，因为驱重了，那go by是不是可以做驱重了，驱重了，而且此时我OVER1写最后出现的二还有一条最后的结果。有印象吗？它是对于你分组之后再进行吧，重新开放啊，也就是说大家写的时候要注意这两个地方呢，假如说你写勾半，这就可以不写。

好可以不写了，或者你这写了就可以不写什么。格数派了啊用一个，因为他们俩都是进行什么分组的啊，不要混着用，但是有时候特殊情况像类似于这种。类似于刚才我们看到这种情况。对吧，因为我们求的维度不一样，Go by name呢，这块是不是做的是一个去除。Distribute by就报错，那是因为你是不是distribute by跟。Allb用了。加说我说了上说了两个是两套啊，这块跟说跟那个都可以，但是如果你后面你加的是什么，这个就报错你你看下刚才那个问同学问是不是加了那个东西，我上强调两个不要混着用啊，不要混着用你用后用说你用后用什么，不要混着混着用告诉单独的，如果说只用一个没问题的啊，你看一下刚才问问题的这个同学好吧，啊这个所以说呢，一定要学会用这个我们所强调的这个子查询这种方式啊。

自查选，你一定要看出来他们结果之间是什么关系。