转载

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:
Hive统计新增,日活和留存率

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.
Hive统计新增,日活和留存率 
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.
Hive统计新增,日活和留存率

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;
  1. insert into user_login_history   
  2. select platform,min(dt),channel,cver,mid,1 from log_vvim  
  3. where   
  4. mid not in (select pcid from user_login_history where type=1)  
  5. and mid is not null  
  6. and dt=$dt  
  7. 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,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
  1. insert into report_userinfo   
  2. select platform,dt,channel,cver,type,count(*) num,-1 from user_login_history    
  3. where type=1   
  4. and dt=$dt  
  5. group by platform,dt,channel,cver,type; 

2.统计每天激活用户数量
  1. insert into report_userinfo   
  2. select platform,dt,channel,cver,3,count(distinct mid),-1 from log_vvim   
  3. where   
  4. mid is not null and dt=$dt  
  5. 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,就是今天的日活用户量.

3.统计留存率.
  1. insert into report_userinfo   
  2. select   
  3. xinzeng.platform,  
  4. xinzeng.dt,  
  5. xinzeng.channel,  
  6. xinzeng.cver,  
  7. 2,  
  8. count(distinct cunliu.pcid),  
  9. datediff(  
  10.     from_unixtime(unix_timestamp(cast(cunliu.dt as string),'yyyyMMdd')),  
  11.     from_unixtime(unix_timestamp(cast(xinzeng.dt as string),'yyyyMMdd'))  
  12. )  
  13. from  
  14. (  
  15.     select * from user_login_history where type=1  
  16. ) xinzeng  
  17. inner join   
  18. (  
  19.     select   
  20.     platform,  
  21.     dt,  
  22.     channel,  
  23.     cver,  
  24.     mid pcid   
  25.     from log_vvim   
  26.     where mid is not null and dt=$dt group by platform,dt,channel,cver,mid  
  27. ) cunliu on  
  28. (  
  29.     xinzeng.platform=cunliu.platform and  
  30.     xinzeng.channel=cunliu.channel and  
  31.     xinzeng.cver=cunliu.cver and  
  32.     xinzeng.pcid=cunliu.pcid  
  33. )  
  34. where cunliu.dt>xinzeng.dt   
  35. group by   
  36. xinzeng.platform,xinzeng.dt,xinzeng.channel,xinzeng.cver,  
  37. datediff(  
  38.     from_unixtime(unix_timestamp(cast(cunliu.dt as string),'yyyyMMdd')),  
  39.     from_unixtime(unix_timestamp(cast(xinzeng.dt as string),'yyyyMMdd'))  
  40. );  

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
Hive统计新增,日活和留存率

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
正文到此结束
Loading...