电影票房之数据分析（Hive）-- 第2关

电影票房之数据分析（Hive）-- 第2关

第2关：统计2020年国庆假期中电影票房增长最多的三部电影及其每日的票房数据

本关任务

基于EduCoder平台提供的初始数据集，统计国庆假期中电影票房增长最多的三部电影及其每日的票房数据。

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 boxoffice_national_day 表，使用 Hive SQL 来统计国庆假期中电影票房增长最多的三部电影及其每日的票房数据（2020 年国庆假期为 2020 年 10 月 1 日至 2020 年 10 月 7 日），并插入到boxoffice_national_day表。

查询结果样例如下：

1. movie_name boxoffice dates
2. 夺冠 4431.47 2020-10-01
3. 夺冠 5886.02 2020-10-02
4. 夺冠 5333.19 2020-10-03

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

boxoffice_national_day 表结构：

字段名	类型	说明
movie_name	string	电影名
boxoffice	float	当天票房
dates	string	当前日期

注意事项

• 任务完成后请点击"评测"按钮，系统验证 boxoffice_national_day 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 boxoffice_national_day 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boxoffice_national_day表，用来存放数据查询的结果
create table boxoffice_national_day(movie_name string, boxoffice float,dates string) row format delimited fields terminated by '\t' stored as textfile;
#查询，并将结果导入boxoffice_national_day表中
insert overwrite table boxoffice_national_day 
select movie_name,boxoffice,current_time 
from moviecleaned 
WHERE movie_name in
(select t.movie_name from(select movie_name,sum(boxoffice) as n from moviecleaned WHERE current_time between '2020-10-01' and '2020-10-07' GROUP BY movie_name order by n desc LIMIT 3) as t) 
and  current_time between '2020-10-01' and '2020-10-07';