#### 背景
在数字化转型的浪潮中，全球领先的电商平台`**商城`每天承载着数亿级用户的访问与交易。面对海量的用户行为数据，如何从中挖掘商业价值、实现精准营销、提升用户生命周期价值，已成为企业核心竞争力的关键所在。

#### 题目
`**商城`电商平台需要深入分析用户的购买行为模式，深入分析各商品品类的销售表现以及用户的购买偏好

1. 计算每个用户的购买行为指标
2. 识别连续购买行为
3. 计算各商品一级二级类目的销售指标
4. 计算用户品类偏好
5. 计算品类复购率

---

#### 数据模型设计
**用户信息表**

| 字段名 | 类型 | 说明 |
| --- | --- | --- |
| user_id | BIGINT | 用户唯一标识ID |
| user_name | STRING | 用户昵称 |
| register_date | DATE | 用户注册日期 |
| city | STRING | 用户常驻城市 |
| membership_level | STRING | 会员等级：普通/白银/黄金/钻石 |
| is_vip | BOOLEAN | 是否VIP用户 |


---

**订单事实表**

| 字段名 | 类型 | 说明 |
| --- | --- | --- |
| order_id | BIGINT | 订单唯一标识ID |
| user_id | BIGINT | 用户ID，关联dim_users表 |
| order_date | DATE | 订单创建日期 |
| order_time | TIMESTAMP | 订单创建时间戳 |
| total_amount | DOUBLE | 订单实付金额 |
| discount_amount | DOUBLE | 优惠折扣金额 |
| status | STRING | 订单状态：paid/refunded/cancelled |
| payment_method | STRING | 支付方式：alipay/wechat/credit/card |
| channel | STRING | 下单渠道：app/web/miniprogram |


---

**<font style="color:rgb(6, 10, 38);">订单明细表</font>**

| 字段名 | 类型 | 说明 |
| --- | --- | --- |
| order_id | BIGINT | 订单ID，关联fact_orders表 |
| product_id | BIGINT | 商品唯一标识ID |
| product_name | STRING | 商品名称 |
| category | STRING | 商品一级类目 |
| sub_category | STRING | 商品二级类目 |
| quantity | INT | 购买数量 |
| unit_price | DOUBLE | 商品单价 |
| item_amount | DOUBLE | 商品小计金额 |


---

#### 统计需求
1. 计算每个用户的购买行为指标（仅统计paid状态）：
+ 总订单数
+ 总消费金额
+ 平均订单金额
+ 首次购买日期
+ 最近购买日期
+ 购买天数跨度（最近购买日期 - 首次购买日期）

查询结果按总消费金额、总订单数降序排序，相等则按用户id升序，金额类指标保留两位小数

```sql
SELECT
    t.user_id                     AS user_id -- 用户id
  , u.user_name                   AS user_name -- 用户名
  , COUNT(0)                      AS order_cnt -- 总订单数
  , ROUND(SUM(t.total_amount), 2) AS tol_amt -- 总消费金额
  , ROUND(IF(COUNT(0) = 0, 0, SUM(t.total_amount) / COUNT(0)),
          2)                      AS avg_amt -- 平均消费金额
  , MIN(t.order_date)             AS first_order_date -- 首次购买时间
  , MAX(t.order_date)             AS last_order_date -- 最近购买时间
  , DATEDIFF(MAX(t.order_date), MIN(t.order_date)) +
    1                             AS days_diff -- 购买天数跨度
FROM
    dataspire_catalog.db_dev.fact_orders t
    LEFT JOIN dataspire_catalog.db_dev.dim_users u ON t.user_id = u.user_id
WHERE
    1 = 1 AND t.status = 'paid'
GROUP BY
    t.user_id, u.user_name
-- 按照总消费金额降序排序
ORDER BY
    tol_amt DESC, order_cnt DESC, user_id
-- 限制输出结果为10条，虽然题目无要求，但这是非常推荐的一个实验用的习惯，可以极大地节省网络带宽
LIMIT 10
;
```

预期输出：


![](https://developer.qcloudimg.com/http-save/yehe-12062117/b83732fe0ecb6ec93872e78376becbd6.png)

---

2. 识别连续购买行为：
+ 找出连续3天及以上有购买记录的用户
+ 计算每个用户的最大连续购买天数

查询结果按最大连续购买天数降序排序，相等则按user_id升序

```sql
SELECT
    tab3.user_id            AS user_id -- 用户id
  , tab3.user_name          AS user_name -- 用户名
  , MAX(tab3.con_order_cnt) AS max_con_order_cnt -- 最大连续登录天数
FROM
    (SELECT
         tab2.user_id          AS user_id -- 用户id
       , tab2.user_name        AS user_name -- 用户名
       , tab2.con_start_date   AS con_start_date -- 连续起始日期
       , COUNT(con_start_date) AS con_order_cnt -- 连续登录天数
     FROM
         (SELECT
              tab1.user_id                 AS user_id -- 用户id
            , tab1.user_name               AS user_name -- 用户名
              -- 连续登录的用户order_date - order_rank理论上是相等的
              -- 比如所2025-01-01 减 0 = 2025-01-01，2025-01-02 减 1 = 2025-01-01
              -- 但不连续的2025-01-10 减 3 = 2025-01-07
            , DATE_SUB(tab1.order_date, tab1.order_rank -
                                        1) AS con_start_date -- 连续起始日期
          FROM
              (SELECT
                   t.user_id                 AS user_id -- 用户id
                 , u.user_name               AS user_name -- 用户名
                 , t.order_date              AS order_date -- 下单日期
                   -- 对每个用户根据下单时间做一个升序排名
                 , ROW_NUMBER() OVER (PARTITION BY t.user_id, u.user_name
                      ORDER BY t.order_date) AS order_rank -- 排名
               FROM
                   dataspire_catalog.db_dev.fact_orders t
                   LEFT JOIN dataspire_catalog.db_dev.dim_users u
                             ON t.user_id = u.user_id
               WHERE
                   1 = 1) tab1
          WHERE
              1 = 1) tab2
     WHERE
         1 = 1
     GROUP BY
         tab2.user_id, tab2.user_name, tab2.con_start_date
     HAVING con_order_cnt >= 3) tab3
WHERE
    1 = 1
GROUP BY
    tab3.user_id, tab3.user_name
ORDER BY
    max_con_order_cnt DESC, user_id
LIMIT 10
;
```

预期输出：


![](https://developer.qcloudimg.com/http-save/yehe-12062117/5a93609f854081056847ab86466ceaf5.png)

---

3. 计算各商品一级二级类目的销售指标（仅统计paid订单）：
+ 销售订单数（去重订单ID）
+ 购买用户数（去重用户ID）
+ 销售总金额
+ 销售总数量
+ 平均订单金额

查询结果按销售总金额、销售总数量降序排序，相等则按二级类目升序，金额类指标保留两位小数

```sql
SELECT
    i.category                   AS category -- 一级类目
  , i.sub_category               AS sub_category -- 二级类目
    -- 注意，这里要用DISTINCT做一个去重处理，因为 t 表和 i 表是一对多的join关系，t表中唯一的order_id在关联后就不再唯一了
  , COUNT(DISTINCT t.order_id)   AS order_cnt -- 销售订单数
  , COUNT(DISTINCT t.user_id)    AS user_cnt -- 购买订单数
  , ROUND(SUM(i.item_amount), 2) AS order_amt -- 销售总金额
  , SUM(i.quantity)              AS order_qty -- 销售总数量
  , ROUND(IF(COUNT(DISTINCT t.order_id) = 0, 0,
             SUM(i.item_amount) / COUNT(DISTINCT t.order_id)),
          2)                     AS order_avg_amt -- 平均订单金额
FROM
    dataspire_catalog.db_dev.fact_orders t
    LEFT JOIN dataspire_catalog.db_dev.fact_order_items i
              ON t.order_id = i.order_id
    LEFT JOIN dataspire_catalog.db_dev.dim_users u
              ON t.user_id = u.user_id
WHERE
      1 = 1
  AND t.status = 'paid'
GROUP BY
    i.category, i.sub_category
ORDER BY
    order_amt DESC, order_cnt DESC, sub_category
LIMIT 10
;
```

预期输出：


![](https://developer.qcloudimg.com/http-save/yehe-12062117/c53f7f9fa30035a1789ed2b5f10561f4.png)

---

4. 计算用户品类偏好：
+ 每个用户购买金额最高的首选品类
+ 该品类的购买金额占用户总消费的比例

查询结果按用户购买金额、用户购买金额占比降序排序，相等则按用户id升序，金额类指标保留两位小数

```sql
WITH tab AS
(
SELECT
     t.user_id      AS user_id -- 用户id
   , i.category     AS category -- 一级类目
   , i.sub_category AS sub_category -- 二级类目
   , i.item_amount  AS item_amount -- 商品小计金额
 FROM
     dataspire_catalog.db_dev.fact_orders t
     LEFT JOIN dataspire_catalog.db_dev.fact_order_items i
               ON t.order_id = i.order_id
 WHERE
       1 = 1
   AND t.status = 'paid'
)
SELECT
    tab.user_id                    AS user_id -- 用户id
  , tab.category                   AS category -- 一级类目
  , tab.sub_category               AS sub_category -- 二级类目
  , ROUND(SUM(tab.item_amount), 2) AS order_amt -- 用户购买金额
  , ROUND(IF(MAX(tab1.item_amount) = 0, 0,
             SUM(tab.item_amount) / MAX(tab1.item_amount)) * 100,
          2)                       AS order_amt_ratio -- 用户购买金额占比
FROM
    tab
    LEFT JOIN (SELECT
                   tab.user_id          AS user_id -- 用户id
                 , SUM(tab.item_amount) AS item_amount -- 用户总购买金额
               FROM
                   tab
               WHERE
                   1 = 1
               GROUP BY
                   tab.user_id) tab1
              ON tab.user_id = tab1.user_id
WHERE
    1 = 1
GROUP BY
    tab.user_id, tab.category, tab.sub_category
ORDER BY
    order_amt DESC, order_amt_ratio DESC, user_id
LIMIT 10
;
```

预期输出：


![](https://developer.qcloudimg.com/http-save/yehe-12062117/b1545d4fdfaa00af9bde363cf44837ce.png)

---

5. 计算品类复购率：
+ 每个品类的复购用户数（该品类购买次数≥2的用户）
+ 品类复购率 = 复购用户数 / 购买用户数 × 100%

查询结果按复购用户数、品类复购率占比降序排序，相等则按用户id升序，金额类指标保留两位小数

```sql
SELECT
    i.category                AS category -- 一级类目
  , i.sub_category            AS sub_category -- 二级类目
  , t.user_id                 AS user_id -- 用户id
  , COUNT(DISTINCT t.user_id) AS repurchase_user_cnt -- 复购用户数
  , ROUND(IF(COUNT(1) = 0, 0, COUNT(DISTINCT t.user_id) / COUNT(1)) * 100,
          2)                  AS repurchase_rate -- 品类复购率
FROM
    dataspire_catalog.db_dev.fact_orders t
    LEFT JOIN dataspire_catalog.db_dev.fact_order_items i
              ON t.order_id = i.order_id
WHERE
    1 = 1 AND t.status = 'paid'
GROUP BY
    i.category, i.sub_category, t.user_id
HAVING
    COUNT(1) >= 2
ORDER BY
    repurchase_user_cnt DESC, repurchase_rate DESC, user_id
LIMIT 10
;

```

预期输出：


![](https://developer.qcloudimg.com/http-save/yehe-12062117/fe15a768718fbf334da8c119a5c6182b.png)

---

#### DDL
```sql
-- 用户信息表
CREATE TABLE IF NOT EXISTS dataspire_catalog.db_dev.dim_users
(
    user_id          STRING COMMENT '用户唯一标识ID',
    user_name        STRING COMMENT '用户昵称',
    register_date    STRING COMMENT '用户注册日期',
    city             STRING COMMENT '用户常驻城市',
    membership_level STRING COMMENT '会员等级：普通/白银/黄金/钻石',
    is_vip           STRING COMMENT '是否VIP用户'
)
USING iceberg
TBLPROPERTIES (
    'comment' = '用户维度表'
);

-- 订单事实表
CREATE TABLE IF NOT EXISTS dataspire_catalog.db_dev.fact_orders
(
    order_id        STRING COMMENT '订单唯一标识ID',
    user_id         STRING COMMENT '用户ID，关联dim_users表',
    order_date      STRING COMMENT '订单创建日期',
    order_time      STRING COMMENT '订单创建时间戳',
    total_amount    STRING COMMENT '订单实付金额',
    discount_amount STRING COMMENT '优惠折扣金额',
    status          STRING COMMENT '订单状态：paid/refunded/cancelled',
    payment_method  STRING COMMENT '支付方式：alipay/wechat/credit/card',
    channel         STRING COMMENT '下单渠道：app/web/miniprogram'
)
USING iceberg
TBLPROPERTIES (
    'comment' = '订单事实表'
)
;

-- 订单明细表
CREATE TABLE IF NOT EXISTS dataspire_catalog.db_dev.fact_order_items
(
    order_id     STRING COMMENT '订单ID，关联fact_orders表',
    product_id   STRING COMMENT '商品唯一标识ID',
    product_name STRING COMMENT '商品名称',
    category     STRING COMMENT '商品一级类目',
    sub_category STRING COMMENT '商品二级类目',
    quantity     STRING COMMENT '购买数量',
    unit_price   STRING COMMENT '商品单价',
    item_amount  STRING COMMENT '商品小计金额'
)
USING iceberg
TBLPROPERTIES (
    'comment' = '订单明细事实表'
)
;

-- ==================== 插入用户数据 ====================
INSERT INTO dataspire_catalog.db_dev.dim_users VALUES
(10001, '张三', '2024-01-15', '北京', '黄金', true),
(10002, '李四', '2024-03-20', '上海', '钻石', true),
(10003, '王五', '2024-06-10', '北京', '普通', false),
(10004, '赵六', '2025-01-05', '广州', '白银', false),
(10005, 'Emma', '2024-08-22', '深圳', '黄金', true),
(10006, 'John', '2024-11-30', '上海', '普通', false),
(10007, 'Mike', '2024-05-18', '北京', '钻石', true),
(10008, 'Lisa', '2025-02-01', '广州', '白银', false);

-- ==================== 插入订单数据 ====================
INSERT INTO dataspire_catalog.db_dev.fact_orders VALUES
-- 用户10001的订单（连续购买用户）
(202501010001, 10001, '2025-01-01', '2025-01-01 10:30:00', 500.00, 50.00, 'paid', 'alipay', 'app'),
(202501020001, 10001, '2025-01-02', '2025-01-02 14:20:00', 300.00, 30.00, 'paid', 'wechat', 'app'),
(202501030001, 10001, '2025-01-03', '2025-01-03 09:15:00', 200.00, 20.00, 'paid', 'alipay', 'web'),
(202501100001, 10001, '2025-01-10', '2025-01-10 16:00:00', 800.00, 80.00, 'paid', 'alipay', 'app'),
(202501150001, 10001, '2025-01-15', '2025-01-15 11:30:00', 1200.00, 100.00, 'paid', 'credit', 'app'),
-- 用户10002的订单（高价值用户）
(202501050001, 10002, '2025-01-05', '2025-01-05 10:00:00', 2000.00, 200.00, 'paid', 'credit', 'app'),
(202501060001, 10002, '2025-01-06', '2025-01-06 11:00:00', 1500.00, 150.00, 'paid', 'alipay', 'app'),
(202501070001, 10002, '2025-01-07', '2025-01-07 14:30:00', 3000.00, 300.00, 'paid', 'credit', 'web'),
(202501200001, 10002, '2025-01-20', '2025-01-20 09:00:00', 5000.00, 500.00, 'paid', 'credit', 'app'),
-- 用户10003的订单（流失风险用户）
(202501020002, 10003, '2025-01-02', '2025-01-02 08:00:00', 600.00, 60.00, 'paid', 'wechat', 'web'),
(202501030002, 10003, '2025-01-03', '2025-01-03 19:30:00', 400.00, 40.00, 'refunded', 'alipay', 'app'),
-- 用户10004的订单（新活跃用户）
(202502010001, 10004, '2025-02-01', '2025-02-01 10:00:00', 350.00, 35.00, 'paid', 'alipay', 'app'),
(202502020001, 10004, '2025-02-02', '2025-02-02 15:00:00', 450.00, 45.00, 'paid', 'wechat', 'app'),
(202502030001, 10004, '2025-02-03', '2025-02-03 12:00:00', 280.00, 28.00, 'paid', 'alipay', 'web'),
(202502040001, 10004, '2025-02-04', '2025-02-04 18:00:00', 520.00, 52.00, 'paid', 'alipay', 'app'),
-- 用户10005的订单（稳定复购用户）
(202501080001, 10005, '2025-01-08', '2025-01-08 10:00:00', 1000.00, 100.00, 'paid', 'alipay', 'app'),
(202501180001, 10005, '2025-01-18', '2025-01-18 14:00:00', 1500.00, 150.00, 'paid', 'credit', 'app'),
(202501280001, 10005, '2025-01-28', '2025-01-28 16:00:00', 2000.00, 200.00, 'paid', 'alipay', 'web'),
-- 用户10006的订单（单次购买用户）
(202501100002, 10006, '2025-01-10', '2025-01-10 11:00:00', 800.00, 80.00, 'paid', 'wechat', 'app'),
-- 用户10007的订单（VIP高价值用户）
(202501040001, 10007, '2025-01-04', '2025-01-04 09:00:00', 3000.00, 300.00, 'paid', 'credit', 'app'),
(202501050002, 10007, '2025-01-05', '2025-01-05 10:30:00', 2500.00, 250.00, 'paid', 'credit', 'app'),
(202501060002, 10007, '2025-01-06', '2025-01-06 11:30:00', 4000.00, 400.00, 'paid', 'credit', 'web'),
(202501070002, 10007, '2025-01-07', '2025-01-07 15:00:00', 3500.00, 350.00, 'paid', 'credit', 'app'),
(202501150002, 10007, '2025-01-15', '2025-01-15 10:00:00', 5000.00, 500.00, 'paid', 'credit', 'app'),
-- 用户10008的订单（新用户，数据较新）
(202502050001, 10008, '2025-02-05', '2025-02-05 14:00:00', 600.00, 60.00, 'paid', 'alipay', 'app'),
(202502060001, 10008, '2025-02-06', '2025-02-06 16:00:00', 750.00, 75.00, 'paid', 'wechat', 'app');

-- ==================== 插入订单明细数据 ====================
INSERT INTO dataspire_catalog.db_dev.fact_order_items VALUES
-- 订单202501010001明细
(202501010001, 5001, '智能手机Pro', '手机数码', '智能手机', 1, 500.00, 500.00),
-- 订单202501020001明细
(202501020001, 5002, '无线耳机', '手机数码', '音频设备', 2, 150.00, 300.00),
-- 订单202501030001明细
(202501030001, 5003, '快充充电器', '手机数码', '配件', 4, 50.00, 200.00),
-- 订单202501100001明细
(202501100001, 5004, '平板电脑', '电脑办公', '平板', 1, 800.00, 800.00),
-- 订单202501150001明细
(202501150001, 5005, '机械键盘', '电脑办公', '外设', 2, 600.00, 1200.00),
-- 订单202501050001明细
(202501050001, 5006, '笔记本电脑', '电脑办公', '笔记本', 1, 2000.00, 2000.00),
-- 订单202501060001明细
(202501060001, 5007, '显示器', '电脑办公', '显示器', 1, 1500.00, 1500.00),
-- 订单202501070001明细
(202501070001, 5008, '办公桌椅', '家居生活', '家具', 1, 3000.00, 3000.00),
-- 订单202501200001明细
(202501200001, 5009, '智能电视', '家用电器', '电视', 1, 5000.00, 5000.00),
-- 订单202501020002明细
(202501020002, 5010, '运动鞋', '服饰鞋包', '运动鞋', 2, 300.00, 600.00),
-- 订单202501030002明细
(202501030002, 5011, '休闲裤', '服饰鞋包', '裤子', 2, 200.00, 400.00),
-- 订单202502010001明细
(202502010001, 5012, '智能手表', '智能穿戴', '手表', 1, 350.00, 350.00),
-- 订单202502020001明细
(202502020001, 5013, '手环', '智能穿戴', '手环', 1, 450.00, 450.00),
-- 订单202502030001明细
(202502030001, 5014, '蓝牙耳机', '手机数码', '音频设备', 1, 280.00, 280.00),
-- 订单202502040001明细
(202502040001, 5015, '充电宝', '手机数码', '配件', 2, 260.00, 520.00),
-- 订单202501080001明细
(202501080001, 5016, '咖啡机', '家用电器', '厨房电器', 1, 1000.00, 1000.00),
-- 订单202501180001明细
(202501180001, 5017, '空气净化器', '家用电器', '生活电器', 1, 1500.00, 1500.00),
-- 订单202501280001明细
(202501280001, 5018, '扫地机器人', '家用电器', '生活电器', 1, 2000.00, 2000.00),
-- 订单202501100002明细
(202501100002, 5019, '背包', '服饰鞋包', '箱包', 1, 800.00, 800.00),
-- 订单202501040001明细
(202501040001, 5020, '高端手机', '手机数码', '智能手机', 1, 3000.00, 3000.00),
-- 订单202501050002明细
(202501050002, 5021, '高端耳机', '手机数码', '音频设备', 1, 2500.00, 2500.00),
-- 订单202501060002明细
(202501060002, 5022, '高端电脑', '电脑办公', '笔记本', 1, 4000.00, 4000.00),
-- 订单202501070002明细
(202501070002, 5023, '高端相机', '手机数码', '摄影摄像', 1, 3500.00, 3500.00),
-- 订单202501150002明细
(202501150002, 5024, '高端电视', '家用电器', '电视', 1, 5000.00, 5000.00),
-- 订单202502050001明细
(202502050001, 5025, '护肤品', '美妆个护', '护肤', 2, 300.00, 600.00),
-- 订单202502060001明细
(202502060001, 5026, '化妆品', '美妆个护', '彩妆', 3, 250.00, 750.00);

```

在数字化转型的浪潮中，全球领先的电商平台**商城每天承载着数亿级用户的访问与交易。面对海量的用户行为数据，如何从中挖掘商业价值、实现精准营销、提升用户生命周期价值，已成为企业核心竞争力的关键所在。

Spark SQL练习1-电商用户行为分析

编程语言

前端

电商平台用户行为分析解决方案：通过SQL数据分析实现用户购买行为指标计算、连续购买识别、商品类目销售分析、用户品类偏好挖掘和品类复购率统计，助力精准营销和用户价值提升。

2026新春采购季

bigdata-class

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Spark SQL练习1-电商用户行为分析-腾讯云开发者社区-腾讯云

Spark SQL练习1-电商用户行为分析

Spark SQL练习1-电商用户行为分析

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐