千鋒教育-做有情懷、有良心、有品質的職業教育機構
某公司網站每日訪問量達到10億級別的訪問量，每次訪問記錄一條數據，數據包含如下字段：用戶ID，訪問時間（毫秒級），訪問頁面。
要求使用hive求出所有在5分鐘內訪問次數達到100次的用戶（求出用戶ID即可）
思路：利用窗口函數Lag 詳細思路：
1.選出當天訪問次數達到100次的用戶（即當天有100及以上條數據的用戶）：根據用戶ID分組，count
2.在每個 用戶ID小組內（步驟1已進行分組）按 訪問時間進行升序排序 3.計算time-lag(time,100)，若time-lag(time,100)<=5601000(毫秒)，即為滿足條件的用戶，篩選出。
hive外部表是使用external關鍵字并指定一個hdfs目錄創建的表。hive內部表在創建時會在對應hive目錄下創建相應的文件夾，外部表則以指定文件夾為...詳情>>
2022-09-02 17:21:00
Checkpoint是為runtime準備的，Savepoint 是為用戶準備的。Checkpoint 機制的目標在于保證Flink作業意外崩潰重啟不影響exactly once 準確性，通...詳情>>
2022-09-02 16:59:22
State：指一個具體的Task/Operator的狀態。State可以被記錄，在失敗的情況下數據還可以恢復，Flink中有兩種基本類型的State： Keyed State， Op...詳情>>
2022-09-02 16:59:19
Flink 內部是基于producer-consumer模型來進行消息傳遞的，Flink的反壓設計也是基于這個模型。Flink 使用了高效有界的分布式阻塞隊列，就像 Jav...詳情>>
2022-09-02 16:59:16
雖說水位線(Watermark)表明早于它的事件不應該再出現，但是接收到水位線以前的的消息是不可避免的，這就是所謂的遲到事件。實際上遲到事件是亂...詳情>>
2022-09-02 16:59:00
京公網安備 11010802030320號