用户行为：用户ID、商品ID、商品类目ID、行为类型和时间戳组成，并以逗号分隔。 行为类型：点击pv、购买buy、加购cart、fav收藏的数据中使用rdd语句查询统计每天的用户量、点击量、收藏量、加购量、购买量

假设数据已经以RDD的形式加载进来，那么可以按照以下步骤进行统计每天的用户量、点击量、收藏量、加购量、购买量：

1. 将数据按照日期和行为类型分组，统计每天每种行为的数量。可以使用map函数实现。

2. 将每天各种行为的数量按照日期进行聚合，得到每天的用户量、点击量、收藏量、加购量、购买量。可以使用reduceByKey函数实现。

下面是代码示例：

// 加载数据
val data = sc.textFile("path/to/data")

// 将数据按照日期和行为类型分组，统计每天每种行为的数量
val dailyCounts = data.map(line => {
  val fields = line.split(",")
  val date = fields(4).substring(0, 10) // 取出日期部分
  val action = fields(3)
  ((date, action), 1)
}).reduceByKey(_ + _)

// 将每天各种行为的数量按照日期进行聚合，得到每天的用户量、点击量、收藏量、加购量、购买量
val dailyStats = dailyCounts.map {
  case ((date, action), count) =>
    (date, action match {
      case "pv" => (count, 0, 0, 0, 0)
      case "fav" => (0, 0, count, 0, 0)
      case "cart" => (0, 0, 0, count, 0)
      case "buy" => (0, count, 0, 0, count)
    })
}.reduceByKey {
  case (s1, s2) =>
    (s1._1 + s2._1, s1._2 + s2._2, s1._3 + s2._3, s1._4 + s2._4, s1._5 + s2._5)
}

// 打印结果
dailyStats.foreach(println)

其中，`path/to/data`为数据文件的路径。上述代码中使用了Scala语言和Spark框架。如果需要使用其他语言或框架，可以根据相应的语法进行实现。