网站用户行为分析

标签：rom   art   alt   ase   scan   购物   padding   size   int   

2. 操作过程

2.1 数据准备

A.1sudo mkdir usr/local/bigdatacase

A.2sudo chown -R hadoop:hadoop ./bigdatacase

A.3mkdir usr/local/bigdatacase/dataset

A.4

A.5

B.1sed -i ‘1d‘ raw_user

B.2

B.3vim pre_deal.sh

B.4

C.1start-all.sh

C.2hdfs dfs -mkdir -p /bigdatacase/dataset

C.3

C.4hdfs dfs -put /usr/local/bigdatacase/dataset/user_table.txt /bigdatacase/dataset

C.5hdfs dfs -cat /bigdatacase/dataset/user_table.txt | head -10

D.1

D.2

D.3

2.2 Hive数据分析

（1）用户行为分析需求：2014-12-11~12号有多少条购买商品的记录

    分析步骤

• 语句：select count(*) from bigdata_user where visit_date >‘2014-12-10‘ and visit_date <‘2014-12-13‘ and behavior_type=‘4‘ limit 10;
• 结果截图：运行或存为表格后的查询显示
• 

（2）用户行为分析需求：分析每月1-31号购买情况

代码：select count(distinct uid),month(visit_date) from bigdata_user where behavior_type=‘4‘ group by month(visit_date) limit 10;

2014-12-12当天购买记录表：

2014-12-12号当天广东购买商品数：

按省份统计购买数量：

2014-12-12号当天的商品购买与浏览比例：

购买数：

浏览数：

购买比例为：购买数/点击数

用户10001082在2014-12-12号当天活跃度：该用户点击行为占该天所有点击行为的比例：

用户10001082点击数:

 全部用户点击数：

用户10001082点击数/全部用户点击数=该用户点击行为占该天所有点击行为的比例

2014-12-12号当天购买4件商品以上的用户：

（3）自定义需求：

简单指令：

查询前20位用户购买商品时的时间和商品的种类：

查询利用嵌套语句，设置该列的别名，简化语句：

聚合函数count()计算出表内有多少条行数据：

函数内部加上distinct，查出uid不重复的数据有多少条：

查询不重复的数据有多少条(为了排除客户刷单情况)：

嵌套语句最好取别名，就是上面的a，否则很容易出现如下错误：

查询2014年12月10日到2014年12月13日有多少人浏览了商品：

以月的第n天为统计单位，依次显示第n天网站卖出去的商品的个数：

关键字赋予给定值为条件，对其他数据进行分析
取给定时间和给定地点，求当天发出到该地点的货物的数量：

查询一件商品在某天的购买比例或浏览比例：

1.查询有多少用户在2014-12-11购买了商品

2.查询有多少用户在2014-12-11点击了该店

查询某个用户在某一天点击网站占该天所有点击行为的比例（点击行为包括浏览，加入购物车，收藏，购买）：

1.查询用户10001082在2014-12-12点击网站的次数

2.查询所有用户在这一天点击该网站的次数

给定购买商品的数量范围，查询某一天在该网站的购买该数量商品的用户id：

某个地区的用户当天浏览网站的次数：

1.创建新的数据表进行存储

create table scan(province STRING,scan INT) COMMENT ‘This is the search of bigdataday‘ ROW FORMAT DELIMITED FIELDS TERMINATED BY ‘\t‘ STORED AS TEXTFILE;

2.导入数据

3.显示结果

网站用户行为分析

标签：rom   art   alt   ase   scan   购物   padding   size   int   

原文地址：https://www.cnblogs.com/starrysky-ocean/p/14188081.html