----以此纪念在YY第一次加班到9点
数据字典
事件口径
思路：
需求前面的部分很简单，即从事件明细表中提取相应ID的事件及其属性，并计算常规统计项，其中【进入任务页面（全部）】需要单独计算，再与结果union（范围重叠的事件无法使用一个case when来实现，否则这条记录的事件字段到底取哪个值？）；
用户数即为当事件为【完成任务】时，对事件value2去重而得，value2实际上就是uid；
召回用户数涉及是否活跃，需要与日活表关联，口径为当事件为【完成任务】且value2属于日活表。
难点：
hive不能使用in和not in，如何判断当前value2是否为活跃用户呢？
我用了非常麻烦的办法，先在日活表里取出活跃用户清单并打上标签is_active=1，记为tb0；
构造主表tb1，取常规属性，用事件明细表左连接tb0，获取标签is_active，此时活跃的value2有值为1，不活跃的value2为null；
构造临时表tb2，以构造属性用户数&召回用户数：当事件为【完成任务】时，用户=value2，否则为null；当事件为【完成任务】且is_active=1时召回用户=value2，否则为null；
最后对上述统计项进行聚合运算。（知识点：聚合运算会跳过值为null的记录不予统计）
浩哥的做法：分三类从事件明细表a中取数，对于非【完成任务】的事件，写死value2为null；对于属于【完成任务】的事件，将value2为null的情况转化为0；（这是我没有想到的，因为存在【完成任务】但value2为null的情况，此时将不会计数，导致用户数有误）
在聚合运算的时候，通过value2与日活表b（仅取uid）做左连接，取出b.uid，当b.uid不为空，即该value2是活跃用户，召回用户=value2，否则为null，对此直接count即可！
网友评论