做交流网站,深圳平面设计公司推荐,泉州网站建设公司首选公司,湖人排名最新目录 目标需求
数据内容
基于Hive数仓实现需求开发
1.建库建表、加载数据
2.ETL数据清洗
3需求指标统计 目标需求
基于Hadoop和hive实现聊天数据统计分析#xff0c;构建聊天数据分析报表
1.统计今日总消息量
2.统计今日每小时消息量#xff0c;发送和接收用户数
3.…目录 目标需求
数据内容
基于Hive数仓实现需求开发
1.建库建表、加载数据
2.ETL数据清洗
3需求指标统计 目标需求
基于Hadoop和hive实现聊天数据统计分析构建聊天数据分析报表
1.统计今日总消息量
2.统计今日每小时消息量发送和接收用户数
3.统计今日各地区发送消息数据量
4.统计今日发送消息和接收消息的用户数
5.统计发送消息最多的top10用户
6.统计接收消息最多的top10用户
7.统计发送人的手机型号分部情况
8.统计发送人的设备操作系统分布情况
数据内容
数据来源聊天业务系统中导出的2021年11月01日的一天24小时的用户聊天数据以TSV文本形式存储在文件中
数据大小两个文件共14万条
列分隔符制表符‘\t’
数据字典及样列数据 基于Hive数仓实现需求开发
1.建库建表、加载数据
--------------1、建库---------------------如果数据库已存在就删除
drop database if exists db_msg cascade;
--创建数据库
create database db_msg;
--切换数据库
use db_msg;
--------------2、建表-------------------
--如果表已存在就删除
drop table if exists db_msg.tb_msg_source;
--建表
create table db_msg.tb_msg_source(msg_time string comment 消息发送时间, sender_name string comment 发送人昵称, sender_account string comment 发送人账号, sender_sex string comment 发送人性别, sender_ip string comment 发送人ip地址, sender_os string comment 发送人操作系统, sender_phonetype string comment 发送人手机型号, sender_network string comment 发送人网络类型, sender_gps string comment 发送人的GPS定位, receiver_name string comment 接收人昵称, receiver_ip string comment 接收人IP, receiver_account string comment 接收人账号, receiver_os string comment 接收人操作系统, receiver_phonetype string comment 接收人手机型号, receiver_network string comment 接收人网络类型, receiver_gps string comment 接收人的GPS定位, receiver_sex string comment 接收人性别, msg_type string comment 消息类型, distance string comment 双方距离, message string comment 消息内容
)
--指定分隔符为制表符
row format delimited fields terminated by \t;--------------3、加载数据-------------------
--上传数据文件到node1服务器本地文件系统HS2服务所在机器
--shell: mkdir -p /root/hivedata--加载数据到表中
load data local inpath /root/hivedata/data1.tsv into table db_msg.tb_msg_source;
load data local inpath /root/hivedata/data2.tsv into table db_msg.tb_msg_source;--查询表 验证数据文件是否映射成功
select * from tb_msg_source limit 10;--统计行数
select count(*) as cnt from tb_msg_source;2.ETL数据清洗
--------------4、ETL数据清洗-------------------
--问题1当前数据中有一些数据的字段为空不是合法数据
selectmsg_time,sender_name,sender_gps
from db_msg.tb_msg_source
where length(sender_gps) 0
limit 10;--问题2需求中需要统计每天、每个小时的消息量但是数据中没有天和小时字段只有整体时间字段不好处理
selectmsg_time
from db_msg.tb_msg_source
limit 10;--问题3需求中需要对经度和维度构建地区的可视化地图但是数据中GPS经纬度为一个字段不好处理
selectsender_gps
from db_msg.tb_msg_source
limit 10;--ETL实现
--如果表已存在就删除
drop table if exists db_msg.tb_msg_etl;
--将Select语句的结果保存到新表中
create table db_msg.tb_msg_etl as
select*,substr(msg_time,0,10) as dayinfo, --获取天substr(msg_time,12,2) as hourinfo, --获取小时split(sender_gps,,)[0] as sender_lng, --提取经度split(sender_gps,,)[1] as sender_lat --提取纬度
from db_msg.tb_msg_source
--过滤字段为空的数据
where length(sender_gps) 0 ;--验证ETL结果
selectmsg_time,dayinfo,hourinfo,sender_gps,sender_lng,sender_lat
from db_msg.tb_msg_etl
limit 10;
3需求指标统计
--------------5、需求指标统计分析-------------------
--需求统计今日总消息量
create table if not exists tb_rs_total_msg_cnt
comment 今日消息总量
as
selectdayinfo,count(*) as total_msg_cnt
from db_msg.tb_msg_etl
group by dayinfo;select * from tb_rs_total_msg_cnt;--结果验证--需求统计今日每小时消息量、发送和接收用户数
create table if not exists tb_rs_hour_msg_cnt
comment 每小时消息量趋势
as
selectdayinfo,hourinfo,count(*) as total_msg_cnt,count(distinct sender_account) as sender_usr_cnt,count(distinct receiver_account) as receiver_usr_cnt
from db_msg.tb_msg_etl
group by dayinfo,hourinfo;select * from tb_rs_hour_msg_cnt;--结果验证--需求统计今日各地区发送消息数据量
create table if not exists tb_rs_loc_cnt
comment 今日各地区发送消息总量
as
selectdayinfo,sender_gps,cast(sender_lng as double) as longitude,cast(sender_lat as double) as latitude,count(*) as total_msg_cnt
from db_msg.tb_msg_etl
group by dayinfo,sender_gps,sender_lng,sender_lat;select * from tb_rs_loc_cnt; --结果验证--需求统计今日发送消息和接收消息的用户数
create table if not exists tb_rs_usr_cnt
comment 今日发送消息人数、接受消息人数
as
selectdayinfo,count(distinct sender_account) as sender_usr_cnt,count(distinct receiver_account) as receiver_usr_cnt
from db_msg.tb_msg_etl
group by dayinfo;select * from tb_rs_usr_cnt; --结果验证--需求统计今日发送消息最多的Top10用户
create table if not exists tb_rs_susr_top10
comment 发送消息条数最多的Top10用户
as
selectdayinfo,sender_name as username,count(*) as sender_msg_cnt
from db_msg.tb_msg_etl
group by dayinfo,sender_name
order by sender_msg_cnt desc
limit 10;select * from tb_rs_susr_top10; --结果验证--需求统计今日接收消息最多的Top10用户
create table if not exists tb_rs_rusr_top10
comment 接受消息条数最多的Top10用户
as
selectdayinfo,receiver_name as username,count(*) as receiver_msg_cnt
from db_msg.tb_msg_etl
group by dayinfo,receiver_name
order by receiver_msg_cnt desc
limit 10;select * from tb_rs_rusr_top10; --结果验证--需求统计发送人的手机型号分布情况
create table if not exists tb_rs_sender_phone
comment 发送人的手机型号分布
as
selectdayinfo,sender_phonetype,count(distinct sender_account) as cnt
from tb_msg_etl
group by dayinfo,sender_phonetype;select * from tb_rs_sender_phone; --结果验证--需求统计发送人的设备操作系统分布情况
create table if not exists tb_rs_sender_os
comment 发送人的OS分布
as
selectdayinfo,sender_os,count(distinct sender_account) as cnt
from tb_msg_etl
group by dayinfo,sender_os;select * from tb_rs_sender_os; --结果验证FIneBI可视化报表
构建可视化报表
