某大型互联网公司 DW 数据仓库 试题
题目开始：
下表是用户访问网站的日志表TRLOG，每一条记录，代表者一个平台（PLATFORM）上的一个用户（USER_ID）在某一时间（CLICK_TIME）的一次页面访问（CLICK_URL）：
PLATFORMUSER_IDCLICK_TIMECLICK_URL
WEB123323212013-03-21 13:48:31.324/home/
WEB123323212013-03-21 13:48:32.954/selectcat/er/
WEB123323212013-03-21 13:48:46.365/er/viewad/12.html
WEB123323212013-03-21 13:48:53.651/er/viewad/13.html
WEB123323212013-03-21 13:49:13.435/er/viewad/24.html
WEB123323212013-03-21 13:49:35.876/selectcat/che/
WEB123323212013-03-21 13:49:56.398/che/viewad/93.html
WEB123323212013-03-21 13:50:03.143/che/viewad/10.html
WEB123323212013-03-21 13:50:34.265/home/
WAP324839232013-03-21 23:58:41.123/m/home/
WAP324839232013-03-21 23:59:16.123/m/selectcat/fang/
WAP324839232013-03-21 23:59:45.123/m/fang/33.html
WAP324839232013-03-22 00:00:23.984/m/fang/54.html
WAP324839232013-03-22 00:00:54.043/m/selectcat/er/
WAP324839232013-03-22 00:01:16.576/m/er/49.html
……………………
为了使题目叙述清晰，我们在上表中以用户12332321和32483923举例，将他们的访问按时间排了序，但实际的访问日志不是这样有序的，而是来一次访问就增加一条，平台、用户等等都是交错的，你懂的。
这个访问日志表积攒了若干天的用户访问记录，目前大约有20亿条数据，占用存储空间1TB。为了某些分析需求，我们需要把上述数据处理为如下结构的表ALLOG：
PLATFORMUSER_IDSEQFROM_URLTO_URL
WEB123323211NULL/home/
WEB123323212/home//selectcat/er/
WEB123323213/selectcat/er//er/viewad/12.html
WEB123323214/er/viewad/12.html/er/viewad/13.html
WEB123323215/er/viewad/13.html/er/viewad/24.html
WEB123323216/er/viewad/24.html/selectcat/che/
WEB123323217/selectcat/che//che/viewad/93.html
WEB123323218/che/viewad/93.html/che/viewad/10.html
WEB123323219/che/viewad/10.html/home/
WAP324839231NULL/m/home/
WAP324839232/m/home//m/selectcat/fang/
WAP324839233/m/selectcat/fang//m/fang/33.html
WAP324839234/m/fang/33.html/m/fang/54.html
WAP324839235/m/fang/54.html/m/selectcat/er/
WAP324839236/m/selectcat/er//m/er/49.html
……………………
PLATFORM和USER_ID还是代表平台和用户ID；SEQ字段代表用户按时间排序后的访问顺序，FROM_URL和TO_URL分别代表用户从哪一页跳转到哪一页。对于某个平台上某个用户的第一条访问记录，其FROM_URL是NULL（空值）。
假设软硬件环境是：2个DataNode节点的实验用Hadoop 1.0.x集群，存储空间 6TB，Replication Factor为2；安装有Hive 0.90版本，数据表以逗号分隔的Delimited Text格式存储于HDFS。
为了实现上述需求，请你：
（1）实现基于纯Hive SQL的ETL过程，从TRLOG表生成ALLOG表；（结果是一套SQL）
（2）实现一个能加速上述处理过程的Hive Generic UDF，并给出使用此UDF实现ETL过程的Hive SQL；（结果是一个Hive Generic UDF的源文件，和一套SQL）
（3）你还有没有其他的方法实现这个 ETL？如果有，请任选一个方法，并提交代码。（结果是你找到的方法的代码，如果没有找到更好的方法，请回答“无”）
题目完。
如题，大家集思广益。发表下想法吧。！ hive dw hadoop 数据仓库
[解决办法]
呵呵，点击流
mr就用单表关联吧
hive 也就是join
[解决办法]
晕，这个帖子的题目和你的一样啊
http://bbs.csdn.net/topics/390414342
LZ，看看我的答案你能永不
