1、问题

当前项目中含有一个订单表，实现分析2020年每个月乘客来源的趋势图
需要分析2020年每个出发地点origin每个月里的出现的此时

t_order表
在这里插入图片描述

2、解决方案

使用DATE_FORMAT(create_time,'%Y-%m')>和group by根据订单的创建时间，对订单进行分组，并计算某一个出发地12个月的订单数量

SQL语句

select count(or_id) as count 
from t_order 
WHERE origin='郑州工商学院' 
group by DATE_FORMAT(create_time, '%Y-%m')  
order by create_time desc 
limit 12

查询结果如下
在这里插入图片描述
加上月份的版本

select DATE_FORMAT(create_time, '%Y-%m') as createDate,count(or_id) as count 
from t_order 
WHERE origin='郑州旅游学院' 
group by createDate 
order by createDate desc 
limit 12

运行结果
在这里插入图片描述

获取的数据用于Echart图表，效果如下
在这里插入图片描述

Logo
一门面向 Data 和 AI 的低代码、云原生的开源编程语言

无需安装部署，在线快速体验 Byzer

更多推荐

编译时权限控制

前言 权限控制，对于 MLSQL 而言的重要程度可以说是生命线。 MLSQL 需要面对各式各样的资源访问，比如 MySQL, Oracle,HDFS，Hive，Kafka，Sorl，ElasticSearch，Redis，API，Web等等，不同用户对这些数据源（以及表，列）的权限是不一样的。 传统模式是，每个用户都需要有个 proxy user，然后到每个数据源里面给这个 proxy user

avatar Byzer 白泽

Byzer 支持 JDBC 聚合下推

聚合下推PR链接聚合下推 我们知道 Byzer 支持多数据源和联邦查询，可以方便分析师在一个平台上快速的分析来自多种数据源的数据，从而进行灵活的探索式分析。 使用场景和优势 当前 Byzer 中加载数据的方式会拉取明细数据到 spark 中进行聚合计算，对于小数据量或者在分布式文件系统上的数据源来说是常规操作。但是对于 JDBC 数据源或者有分析能力的 OLAP 系统来说拉取明细数据可能就不是最

avatar Byzer 白泽

Byzer 术语表

Byzer-lang Byzer ，又称为 Byzer-lang，一门面向 Data 和 AI 的低代码、云原生的开源编程语言。 Byzer 是一门结合了声明式编程和命令式编程的混合编程语言，其低代码且类 SQL 的编程逻辑配合内置算法及插件的加持，能帮助数据工作者们高效打通数据链路，完成数据的清洗转换，并快速地进行机器学习相关的训练及预测。 Byzer 希望能够提供一套语言、一个引擎，就能覆盖整

avatar Byzer 白泽