1．创建一个数据仓库movie
create database movie;

use movie;

2．创建t_user表及导入数据

CREATE TABLE t_user(
    userid bigint,
    sex string,
    age int,
    occupation string,
    zipcode string
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';

load data local inpath "/opt/datas/users.txt" into table t_user;

select * from t_user linit 50;

3．创建t_movie表及导入数据

CREATE TABLE t_movie(
    movieid bigint,
    moviename string,
    movietype string
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';

load data local inpath "/opt/datas/movies.txt" into table t_movie;

4．创建t_rating表及导入数据

create table t_rating(

userid bigint,

movieid bigint,

rate double,

times string

) 
row format delimited fields terminated by '\t';

load data local inpath "/opt/datas/ratings.txt" into table t_rating;

5.  查询表t_user的记录总数：
select count(*) from t_user;

6.  查询表t_movie的记录总数：

select count(*) from t_movie;

7.  查询表t_rating的记录总数：

select count(*) from t_rating;

8.  查看3个表文件的数据大小：

dfs -du -h /user/hive/warehouse/movie.db/t*;

9.  统计评分次数最多的10部电影，并给出评分次数（电影名、评分次数）。

（1）按照电影名进行分组统计，求出每部电影的评分次数并按照评分次数降序排序，保存在表answer2中：

create table answer2 as 
select a.moviename as moviename,count(a.moviename) as total 
from t_movie a join t_rating b on a.movieid=b.movieid 
group by a.moviename 
order by total desc 
limit 10;

（2）查询表answer2：

select * from answer2;

10.  统计男性、女性当中评分最高的10部电影（性别、电影名、影评分）。
（1）创建表answer3_F，保存女性当中评分最高的10部电影（性别、电影名、影评分），分组条件为评论次数大于或等于50次：

create table answer3_F as 
select "F" as sex, c.moviename as name, avg(a.rate) as avgrate, count(c.moviename) as total  
from t_rating a join t_user b on a.userid=b.userid 
join t_movie c on a.movieid=c.movieid 
where b.sex="F" 
group by c.moviename 
having total >= 50 
order by avgrate desc 
limit 10;

（2）查询表answer3_F：

select sex,name,round(avgrate,2),total from answer3_F;

（3）创建表answer3_M，保存男性当中评分最高的10

部电影（性别、电影名、影评分），要求评论次数大于或等于50次：

create table answer3_M as 
select "M" as sex, c.moviename as name, avg(a.rate) as avgrate, count(c.moviename) as total  
from t_rating a join t_user b on a.userid=b.userid 
join t_movie c on a.movieid=c.movieid 
where b.sex="M" 
group by c.moviename 
having total >= 50
order by avgrate desc 
limit 10;

(4）查询表answer3_M：

select sex,name,round(avgrate,2),total from answer3_M;

11.  统计movieid = 2116这部电影各年龄段的平均影评（年龄段、影评分）。
（1）对t_user和t_rating表进行联合查询，用movieid=2116作为过滤条件，用年龄段作为分组条件，查询结果保存在表answer4中：

create table answer4 as 
select a.age as age, avg(b.rate) as avgrate 
from t_user a join t_rating b on a.userid=b.userid 
where b.movieid=2116 
group by a.age;

（2）查询表answer4：

select age,round(avgrate,2) from answer4;

12.  统计最喜欢看电影（影评次数最多）的那位女性评分最高的10部电影的平均影评分（观影者、电影名、影评分）。
（1）查询最喜欢看电影的那位女性，查询的字段分别为t_user.sex（性别）和count t_rating.userid（观影次数）：

select a.userid, count(a.userid) as total 
from t_rating a join t_user b on a.userid = b.userid 
where b.sex='F' 
group by a.userid 
order by total desc 
limit 1;

（2）根据上述（1）中查询的女性userid作为Where过滤条件，以看过的电影的影评分rate作为排序条件进行排序，统计出评分最高的10部电影，并将查询结果保存在表answer5_B中：

create table answer5_B as 
select a.movieid as movieid, a.rate as rate  
from t_rating a 
where a.userid=1150 
order by rate desc 
limit 10;

（3）查询表answer5_B：

select * from answer5_B;

（4）统计上述（3）中10部电影的平均影评分，需要查询的字段分别为answer5_B.movieid（电影的ID）和t_rating.rate（影评分），并将查询结果保存在表answer5_C中：

create table answer5_C as 
select b.movieid as movieid, c.moviename as moviename, avg(b.rate) as avgrate 
from answer5_B a join t_rating b on a.movieid=b.movieid 
join t_movie c on b.movieid=c.movieid 
group by b.movieid,c.moviename;

（5）查询表answer5_C：

select movieid,moviename,round(avgrate,2) from answer5_C;

13.  统计好片（评分≥4.0）最多的年份的最好看电影Top10。
（1）将t_rating和t_movie表进行联合查询，截取电影名中的上映年份，并将查询结果保存至表answer6_A：

create table answer6_A as select  
a.movieid as movieid, a.moviename as moviename, 
substr(a.moviename,-5,4) as years, avg(b.rate) as avgrate 
from t_movie a join t_rating b on a.movieid=b.movieid 
group by a.movieid, a.moviename;

（2）查询表answer6_A：

select * from answer6_A;

（3）按照年份将answer6_A分组，评分≥4.0作为过滤条件，按照count(years)作为排序条件进行查询：

select years, count(years) as total 
from answer6_A a 
where avgrate >= 4.0 
group by years 
order by total desc 
limit 1;

（4）按照years=1998作为Where过滤条件，按照评分作为排序条件进行查询，并保存至表answer6_C：

create table answer6_C as
select a.moviename as name, a.avgrate as rate 
from answer6_A a 
where a.years=1998 
order by rate desc 
limit 10;

（5）查询表answer6_C：

select name,round(rate,2) from answer6_C;

14.  统计1997年上映的电影中评分最高的10部Comedy类电影。
（1）将answer6_A表和t_movie表进行联合查询，保存至表answer7_A：

create table answer7_A as 
select b.movieid as id, b.moviename as name, b.years as years, b.avgrate as rate, a.movietype as type 
from t_movie a join answer6_A b on a.movieid=b.movieid;

（2）表answer7_A按照电影类型中是否包含Comedy和按照评分≥4.0作为Where过滤条件，按照评分作为排序条件进行查询，将结果保存到表answer7_B中。其中，instr函数返回字符串str中子字符串substr第一次出现的位置，在SQL中第一字符的位置是1，如果str不含substr，则返回0。lcase函数把字段的值转换为小写。

create table answer7_B as 
select t.id as id, t.name as name, t.rate as rate 
from answer7_A t 
where t.years=1997 and instr(lcase(t.type),'comedy') >0 
order by rate desc
limit 10;

（3）查询表answer7_B：

select id,name,round(rate,2) from answer7_B;

15.  统计各种类型电影中评价最高的5部电影（类型、电影名、平均影评分）。
（1）将表answer7_A中的type字段进行裂变，将结果保存到表answer8_A中。其中，Lateral View用于和Split、Explode等函数一起使用，能将一行数据拆分成多行数据，在此基础上可以对拆分的数据进行聚合。Lateral View首先为原始表的每行调用UDTF，UDTF会把一行拆分成一行或者多行，Lateral View再把结果组合，产生一个支持别名表的虚拟表。

create table answer8_A as 
select a.id as id, a.name as name, a.years as years, a.rate as rate, tv.type as type 
from answer7_A a 
lateral view explode(split(a.type,"\\|")) tv as type;

split() --- 生成一个数组  
explode --- 对数组拆分（行转列）
split(a.type,"\\|") --- |在正则是特殊符号，\| --- 用转义字符把 | 转换成普通字符 | （\n --- 回车  \t --- tab键）

（2）查询表answer8_A：

select * from answer8_A; 

（3）按照type分组，添加一列记录每组的顺序，将结果保存到表answer8_B中：

create table answer8_B as 
select id,name,years,rate,type,row_number() over(distribute by type sort by rate desc ) as num
from answer8_A;

（4）查询表answer8_B：

select * from answer8_B;

（5）从表answer8_B中取出num列序号≤5：

SELECT id, name, years, ROUND(rate, 2), type, num 
FROM answer8_B 
WHERE num <= 5;