电影票房之数据分析(Hive)--第5关

电影票房之数据分析（Hive）

第5关：统计2020年元旦节与国庆节放假后7天的观影人数

本关任务

基于EduCoder平台提供的初始数据集，统计 2020 年元旦节与国庆节放假后 7 天的观影人数。

编程要求

本实验环境已开启Hadoop服务

1. 在 hive 中创建数据库 mydb；

注意：在开始要求2之前，建议您提前查看数据库中是否存在 moviecleaned 表（在环境没销毁的情况下，第一关的导入的数据可以持续使用）。如果不存在请按要求2执行，同时注意数据不要重复插入，否则可能影响后续统计的准确性。

1. 在 mydb 中创建 moviecleaned 表，将数据集movies.txt导入 moviecleaned 表中。注意：数据集所在位置：/data/workspace/myshixun/data/movies.txt，数据集文件字段之间以\t分割，文件部分数据展示如下：
2. 天气之子 6676.11 21.2% 92616 25.4% 24 19.9% 11300.0 上映2天 2019-11-02 2019-11-01
3. 天池水怪 1.14 <0.1% 57 <0.1% 6 -- 84.4 2020-10-09 往期电影
4. 太空狗之月球大冒险 3.58 <0.1% 333 <0.1% 4 4.5% 270.7 上映14天 2019-12-27 2019-12-14
5. 夺冠 2985.81 60.4% 133808 50.3% 6 4.0% 22900.0 上映5天 2020-09-29 2020-09-25
6. 在 hive 数据库 mydb 中，创建 festival_boxoffice 表，使用 Hive SQL 来统计 2020 年元旦节与国庆节放假后 7 天的观影人数（元旦假期为 2020 年 1 月 1 日到 2020 年 1 月 7 日，国庆假期为 2020 年 10 月 1 日到 2020 年 10 月 7 日，计算规则为：观影人数=排片场次∗场均人次），并插入到festival_boxoffice 表。

查询结果样例如下：

1. dates festival num
2. 01 new_year_day 6985987
3. 02 new_year_day 2225843

相关数据及结构说明

数据集对应字段说明：

字段名	说明	类型
movie_name	电影名	string
boxoffice	当日综合票房	string
box_rate	票房占比	string
sessions	排片场次	string
show_count_rate	排片占比	string
avg_number	场均人次	string
attendance	上座率	string
total_boxoffice	当前总票房	string
movie_days	上映天数	string
current_time	当前日期	string
releaseDate	上映日期	string

festival_boxoffice 表结构：

字段名	类型	说明
dates	string	日期（日，例如：2020-10-07 即为 07）
festival	string	节日，默认为 new_year_day 或者 national_day
num	bigint	当天人数

注意事项

• 如果实验环境已经创建了 mydb 数据库和 moviecleaned 表，假如环境没有重启或者环境没有过期，可以跳过创建 mydb 数据库和 moviecleaned 表的步骤。否则需要重新开始。

• 任务完成后请点击"评测"按钮，系统验证 festival_boxoffice 表是否存在并查询表内容，程序未通过的情况下，可以点击测试集查看具体问题；

• 本任务设置了多个测试集，通过其中任一测试集将可获得对应分数。

考核点说明

从 mydb 数据库中的 festival_boxoffice 表查询出来的内容是否正确。

---

开始你的任务吧，祝你成功！

AC

#创建movie_boxoffice表，用来存放数据查询的结果
create table festival_boxoffice(dates string,festival string, num int) row format delimited fields terminated by '\t' stored as textfile;
#查询，并将结果导入movie_boxoffice表中
insert overwrite table festival_boxoffice 
select split(current_time,'-')[2],case 
when  t.current_time  between '2020-10-01' and '2020-10-07' then 'national_day' 
when  t.current_time between '2020-01-01' and '2020-01-07' then 'new_year_day' 
else 'other' END as festival ,
cast(sum(num) as bigint) 
from (select current_time,avg_number*sessions as num from moviecleaned 
WHERE current_time between '2020-10-01' and '2020-10-07' or current_time between '2020-01-01' and '2020-01-07') t 
GROUP BY current_time;