定义
留存率:某日注册的用户,在之后几天是否活跃,一日留存率就是用户注册后第二天仍然活跃,以此类推,三日留存率,七日留存率。
任务:
计算所有用户注册后的一日留存率,三日留存率和七日留存率。
建表
use default;
show tables;
create table register_tbl(
user_id string,
register_date string)
row format delimited fields terminated by ','
location "/HiveTestDB/retention/re"
tblproperties("skip.header.line.count"="1");
create table active_tbl(
user_id string,
active_date string)
row format delimited fields terminated by ','
location "/HiveTestDB/retention/ac"
tblproperties("skip.header.line.count"="1");
load data local inpath "/home/hadoop/register_tbl.csv" into table register_tbl;
load data local inpath "/home/hadoop/active_tbl.csv" into table avtive_tbl;
select * from register_tbl;
select * from active_tbl;
查询
说明:register_tbl表记录了所有用户的注册日期,active_tbl是用户所有活动日期;
计算所有注册用户注册后第一天、第三天和第七天的留存率,也就是所有用户注册后第一天、第三天和第七天有登录行为的数量和比例。
步骤;
- register_tbl左关联active_tbl,如果要计算特定时间范围内注册用户的留存率,通过where子句过滤。
- 按用户和注册日期分组,计算组内活跃日期与注册日期差值分别为1,3,7的记录的个数,通过distinct实现有为1,没有为0
- 由此计算全部用户中留存一天、三天和七天的个数及比例
select
count(*) total,
sum(d1) 1d_Retent,
sum(d3) 3d_Retent,
sum(d7) 7d_Retent,
sum(d1)/count(*) 1d_Retent_Rate,
sum(d3)/count(*) 3d_Retent_Rate,
sum(d7)/count(*) 7d_Retent_Rate from
(select
uid,rd,
count(distinct if(datediff(ad,rd) = 1, 1, null)) d1,
# 也可以 if(count(datediff(ad,rd) = 1 or null)>0,1,null),避免使用distinct
count(distinct if(datediff(ad,rd) =3, 1, null)) d3,
count(distinct if(datediff(ad,rd) =7, 1, null)) d7 from
(select
r.user_id uid,from_unixtime(unix_timestamp(r.register_date,'yyyy-MM-dd')) rd,
from_unixtime(unix_timestamp(a.active_date,'yyyy-MM-dd')) ad from
register_tbl r left join active_tbl a on r.user_id = a.user_id) s1 group by uid,rd ) s2
结果
最终计算结果
过渡结果
每一个用户在注册后第一天、第三天和第七天是否有过登录行为。