创建数据源

数据来源：数据源

drop table transfer_log;

CREATE TABLE transfer_log ( 
  log_id bigint,  -- id
  log_ts timestamp, -- 操作时间
  from_user string, -- 转账卡号 
  to_user string, -- 收款卡号
  type string, -- 操作类型
  amount double);

INSERT INTO transfer_log (log_id,log_ts,from_user,to_user,type,amount) VALUES (1,'2019-01-02 10:31:40','62221230000000',NULL,'存款',50000),(2,'2019-01-02 10:32:15','62221234567890',NULL,'存款',100000),(3,'2019-01-03 08:14:29','62221234567890','62226666666666','转账',200000),(4,'2019-01-05 13:55:38','62221234567890','62226666666666','转账',150000),(5,'2019-01-07 20:00:31','62221234567890','62227777777777','转账',300000),(6,'2019-01-09 17:28:07','62221234567890','62227777777777','转账',500000),(7,'2019-01-10 07:46:02','62221234567890','62227777777777','转账',100000),(8,'2019-01-11 09:36:53','62221234567890',NULL,'存款',40000),(9,'2019-01-12 07:10:01','62221234567890','62228888888881','转账',10000),(10,'2019-01-12 07:11:12','62221234567890','62228888888882','转账',8000),(11,'2019-01-12 07:12:36','62221234567890','62228888888883','转账',5000),(12,'2019-01-12 07:13:55','62221234567890','62228888888884','转账',6000),(13,'2019-01-12 07:14:24','62221234567890','62228888888885','转账',7000),(14,'2019-01-21 12:11:16','62221234567890','62228888888885','转账',70000);

基于转账记录，计算 7 天内各个账号的转账金额

select
       log_id,
       log_ts,
       from_user,
       to_user,
       type,
       amount,
       sum(amount) over(partition by from_user order by unix_timestamp(log_ts) range between 604800 preceding and current row ) total_amount
from
    transfer_log
where
    type = "转账";

计算结果：

思路：

这里主要是理解子查询中的这条语句：

sum(amount) over(partition by from_user order by unix_timestamp(log_ts) range between 604800 preceding and current row ) total_amount

首先我们先搞清楚 rows between 和 range between 的区别：

• rows between：只根据所给行号进行范围分析。
• range between：根据所给值进行范围分析。

例如：

ROWS BETWEEN

SELECT 
   a, 
   AVG(b) OVER (PARTITION BY c ORDER BY d ROWS BETWEEN 3 PRECEDING AND CURRENT ROW)
FROM T;

-- 表示根据字段c进行分组，按照字段d进行排序，求平均值。限定范围是：前 3 行到当前行。

RANGE BETWEEN

SELECT 
   a, 
   AVG(b) OVER (PARTITION BY c ORDER BY d RANGE BETWEEN 3 PRECEDING AND CURRENT ROW)
FROM T;

-- 表示根据字段c进行分组，按照字段d进行排序，求平均值。限定范围是：d-3 到当前行。
-- 并不是直接选取前三行，而是先将该行的 d 值减 3，然后判断是否在该范围内。
-- 如果 d 在 d-3 至 当前d 的范围区间中，才会参与分析。

如果是在 MySQL 中，本题可以直接写成 RANGE BETWEEN INTERVAL '7' DAY PRECEDING AND CURRENT ROW；但在 Hive 中不能直接使用这种形式的区间，需要先将其转换为数值型，然后才可以进行操作。

也就形成了如下条件：

order by unix_timestamp(log_ts) range between 604800 preceding and current row 

已知字段 log_ts 的值为 yyyy-MM-dd HH:mm:ss 形式，所以 unix_timestamp(log_ts) 将其转换后单位为秒 s；根据题干求 7 天内的数据，我们也要将其转换为秒 60 * 60 * 24 * 7 = 604800。

这样就完成了基于转账记录，计算 7 天内各个账号的转账金额。

找出相同收付款人 5 天内连续转账3次或以上的记录

SELECT *
FROM 
    (SELECT log_id,
         log_ts,
         from_user,
         to_user,
         type,
         amount,
         count(log_id) over(partition by from_user,to_user ORDER BY  unix_timestamp(log_ts) range BETWEEN 432000 preceding AND current row ) cnt
    FROM transfer_log
    WHERE type = "转账")t1
WHERE cnt >= 3;

这里和上面大同小异，因为是求 相同收付款人，所以分区那里要注意，其它地方都差不多，留给自己思考啦。

计算结果：

验证：