首页 > 数据库 >Hive SQL题库-高级

Hive SQL题库-高级

时间:2023-01-23 18:55:07浏览次数:44  
标签:00 12 Hive 2021 SQL date 题库 id user

第1题 同时在线人数问题

1.1 题目需求

现有各直播间的用户访问记录表(live_events)如下,表中每行数据表达的信息为,一个用户何时进入了一个直播间,又在何时离开了该直播间。

user_id(用户id) live_id(直播间id) in_datetime(进入直播间的时间) out_datetime(离开直播间的时间)
100 1 2021-12-1 19:30:00 2021-12-1 19:53:00
100 2 2021-12-1 21:01:00 2021-12-1 22:00:00
101 1 2021-12-1 19:05:00 2021-12-1 20:55:00

现要求统计各直播间最大同时在线人数,期望结果如下:

live_id max_user_count
1 4
2 3
3 2

1.2 数据准备

1)建表语句

drop table if exists live_events;
create table if not exists live_events
(
  user_id    int comment '用户id',
  live_id    int comment '直播id',
  in_datetime  string comment '进入直播间时间',
  out_datetime string comment '离开直播间时间'
)
  comment '直播间访问记录';

2)数据装载

INSERT overwrite table live_events
VALUES (100, 1, '2021-12-01 19:00:00', '2021-12-01 19:28:00'),
    (100, 1, '2021-12-01 19:30:00', '2021-12-01 19:53:00'),
    (100, 2, '2021-12-01 21:01:00', '2021-12-01 22:00:00'),
    (101, 1, '2021-12-01 19:05:00', '2021-12-01 20:55:00'),
    (101, 2, '2021-12-01 21:05:00', '2021-12-01 21:58:00'),
    (102, 1, '2021-12-01 19:10:00', '2021-12-01 19:25:00'),
    (102, 2, '2021-12-01 19:55:00', '2021-12-01 21:00:00'),
    (102, 3, '2021-12-01 21:05:00', '2021-12-01 22:05:00'),
    (104, 1, '2021-12-01 19:00:00', '2021-12-01 20:59:00'),
    (104, 2, '2021-12-01 21:57:00', '2021-12-01 22:56:00'),
    (105, 2, '2021-12-01 19:10:00', '2021-12-01 19:18:00'),
    (106, 3, '2021-12-01 19:01:00', '2021-12-01 21:10:00');

1.3 代码实现

select
  live_id,
  max(user_count) max_user_count
from
(
  select
    user_id,
    live_id,
    sum(flag) over(partition by live_id order by event_time rows between unbounded preceding and current row) user_count
  from
  (
    -- 登录标记1 登出标记-1
    select user_id,
        live_id,
        in_datetime event_time,
        1 flag
    from live_events
    union all
    select user_id,
        live_id,
        out_datetime event_time,
        -1 flag
    from live_events
  )t1
)t2
group by live_id;

第2题 会话划分问题

2.1 题目需求

现有页面浏览记录表(page_view_events)如下,表中有每个用户的每次页面访问记录。

user_id page_id view_timestamp
100 home 1659950435
100 good_search 1659950446
100 good_list 1659950457
100 home 1659950541
100 good_detail 1659950552
100 cart 1659950563
101 home 1659950435
101 good_search 1659950446
101 good_list 1659950457
101 home 1659950541
101 good_detail 1659950552
101 cart 1659950563
102 home 1659950435
102 good_search 1659950446
102 good_list 1659950457
103 home 1659950541
103 good_detail 1659950552
103 cart 1659950563

规定若同一用户的相邻两次访问记录时间间隔小于60s,则认为两次浏览记录属于同一会话。现有如下需求,为属于同一会话的访问记录增加一个相同的会话id字段,期望结果如下:

user_id page_id view_timestamp session_id
100 home 1659950435 100-1
100 good_search 1659950446 100-1
100 good_list 1659950457 100-1
100 home 1659950541 100-2
100 good_detail 1659950552 100-2
100 cart 1659950563 100-2
101 home 1659950435 101-1
101 good_search 1659950446 101-1
101 good_list 1659950457 101-1
101 home 1659950541 101-2
101 good_detail 1659950552 101-2
101 cart 1659950563 101-2
102 home 1659950435 102-1
102 good_search 1659950446 102-1
102 good_list 1659950457 102-1
103 home 1659950541 103-1
103 good_detail 1659950552 103-1

2.2 数据准备

1)建表语句

drop table if exists page_view_events;
create table if not exists page_view_events
(
  user_id     int comment '用户id',
  page_id     string comment '页面id',
  view_timestamp bigint comment '访问时间戳'
)
comment '页面访问记录';

2)数据装载

insert overwrite table page_view_events
values (100, 'home', 1659950435),
    (100, 'good_search', 1659950446),
    (100, 'good_list', 1659950457),
    (100, 'home', 1659950541),
    (100, 'good_detail', 1659950552),
    (100, 'cart', 1659950563),
    (101, 'home', 1659950435),
    (101, 'good_search', 1659950446),
    (101, 'good_list', 1659950457),
    (101, 'home', 1659950541),
    (101, 'good_detail', 1659950552),
    (101, 'cart', 1659950563),
    (102, 'home', 1659950435),
    (102, 'good_search', 1659950446),
    (102, 'good_list', 1659950457),
    (103, 'home', 1659950541),
    (103, 'good_detail', 1659950552),
    (103, 'cart', 1659950563);

2.3 代码实现

session_id的设计有两部分user_id + 会话

非常巧妙的思路,先滑窗得到邻近差值,差值大于等于60s标记为1,小于60s标记为0,再开窗sum求和,遇到0不会算到一个会话中,遇到1则表示另一个新的会话。

关键:先找会话的起点

select user_id,
    page_id,
    view_timestamp,
    concat(user_id, '-', sum(session_start_point) over (partition by user_id order by view_timestamp)) session_id
from (
     select user_id,
        page_id,
        view_timestamp,
        -- 1 大于等于60s
        -- 0 小于60s
        if(view_timestamp - lagts >= 60, 1, 0) session_start_point
     from (
         select user_id,
             page_id,
             view_timestamp,
             lag(view_timestamp, 1, 0) over (partition by user_id order by view_timestamp) lagts
         from page_view_events
       ) t1
   ) t2;

第3题 间断连续登录用户问题

3.1 题目需求

现有各用户的登录记录表(login_events)如下,表中每行数据表达的信息是一个用户何时登录了平台。

user_id login_datetime
100 2021-12-01 19:00:00
100 2021-12-01 19:30:00
100 2021-12-02 21:01:00

现要求统计各用户最长的连续登录天数,间断一天也算作连续,例如:一个用户在1,3,5,6登录,则视为连续6天登录。期望结果如下:

user_id max_day_count
100 3
101 6
102 3
104 3
105 1

3.2 数据准备

1)建表语句

drop table if exists login_events;
create table if not exists login_events
(
  user_id     int comment '用户id',
  login_datetime string comment '登录时间'
)comment '直播间访问记录';

2)数据装载

INSERT overwrite table login_events
VALUES (100, '2021-12-01 19:00:00'),
    (100, '2021-12-01 19:30:00'),
    (100, '2021-12-02 21:01:00'),
    (100, '2021-12-03 11:01:00'),
    (101, '2021-12-01 19:05:00'),
    (101, '2021-12-01 21:05:00'),
    (101, '2021-12-03 21:05:00'),
    (101, '2021-12-05 15:05:00'),
    (101, '2021-12-06 19:05:00'),
    (102, '2021-12-01 19:55:00'),
    (102, '2021-12-01 21:05:00'),
    (102, '2021-12-02 21:57:00'),
    (102, '2021-12-03 19:10:00'),
    (104, '2021-12-04 21:57:00'),
    (104, '2021-12-02 22:57:00'),
    (105, '2021-12-01 10:01:00');

3.3 代码实现

如果是真正连续的

select
  user_id,
  max(cnt) max_cnt 
from
(
  select
    user_id,
    diff,
    count(*) cnt
  from
  (
    select
      user_id,
      login_date,
      date_sub(login_date,rk) diff
    from
    (
      select
        user_id,
        login_date,
        rank() over(partition by user_id order by login_date) rk
      from
      (
         -- 按照用户和日期去重
         select
           distinct
           user_id,
           -- 只要日期
           date_format(login_datetime,'yyyy-MM-dd') login_date
         from login_events
       )t1
     )t2
  )t3
  group by user_id,diff
)t4
group by user_id;

间断连续

方法一

将间断连续转为真正连续,在用真正连续的方法(array explode)

select
   user_id,
   login_date,
   new_login_date
from
(
   select
     user_id,
     login_date,
     if(datediff(next_login_date,login_date)=2,array(login_date,date_add(login_date,1)),array(login_date)) arr
  from
  (
      select
       user_id,
       login_date,
       lead(login_date, 1, '9999-12-31') over (partition by user_id order by login_date) next_login_date
      from
      (
          select
            distinct
            user_id,
            date_format(login_datetime,'yyyy-MM-dd') login_date
          from login_events
      )t1
  )t2
)t3 lateral view explode(arr) temp as new_login_date

  

方法二

思路类似上一题的会话划分问题

间隔小于等于2的在一个连续(会话)内,大于2的属于另一个连续(会话)了

select
  user_id,
  -- 求出每个用户最大的连续天数
  max(recent_days) max_day_count
from
(
  select
    user_id,
    user_flag,
    -- 按照分组求每个用户每次连续的天数(记得加1)
    datediff(max(login_date),min(login_date)) + 1 recent_days 
  from
  (
    select
      user_id,
      login_date,
      lag1_date,
      -- 拼接用户和标签分组
      concat(user_id,'_',flag) user_flag 
    from
    (
      -- 获取大于2的标签 为间断
      select
        user_id,
        login_date,
        lag1_date,
        sum(if(datediff(login_date,lag1_date)>2,1,0)) over(partition by user_id order by login_date) flag 
      from
      (
        -- 获取上一次登录日期
        select
          user_id,
          login_date,
          lag(login_date,1,'1970-01-01') over(partition by user_id order by login_date) lag1_date  
        from
        (
          -- 按照用户和日期去重
          select
            distinct
            user_id,
            -- 只要日期
            date_format(login_datetime,'yyyy-MM-dd') login_date
          from login_events
        )t1
      )t2
    )t3
  )t4
  group by user_id,user_flag
)t5
group by user_id;

第4题 日期交叉问题

4.1 题目需求

现有各品牌优惠周期表(promotion_info)如下,其记录了每个品牌的每个优惠活动的周期,其中同一品牌的不同优惠活动的周期可能会有交叉。

promotion_id brand start_date end_date
1 oppo 2021-06-05 2021-06-09
2 oppo 2021-06-11 2021-06-21
3 vivo 2021-06-05 2021-06-15

现要求统计每个品牌的优惠总天数,若某个品牌在同一天有多个优惠活动,则只按一天计算。期望结果如下:

brand promotion_day_count
vivo 17
oppo 16
redmi 22
huawei 22

4.2 数据准备

1)建表语句

drop table if exists promotion_info;
create table promotion_info
(
  promotion_id string comment '优惠活动id',
  brand     string comment '优惠品牌',
  start_date  string comment '优惠活动开始日期',
  end_date   string comment '优惠活动结束日期'
) comment '各品牌活动周期表';

2)数据装载

insert overwrite table promotion_info
values (1, 'oppo', '2021-06-05', '2021-06-09'),
    (2, 'oppo', '2021-06-11', '2021-06-21'),
    (3, 'vivo', '2021-06-05', '2021-06-15'),
    (4, 'vivo', '2021-06-09', '2021-06-21'),
    (5, 'redmi', '2021-06-05', '2021-06-21'),
    (6, 'redmi', '2021-06-09', '2021-06-15'),
    (7, 'redmi', '2021-06-17', '2021-06-26'),
    (8, 'huawei', '2021-06-05', '2021-06-26'),
    (9, 'huawei', '2021-06-09', '2021-06-15'),
    (10, 'huawei', '2021-06-17', '2021-06-21');

4.3 代码实现

方法一

如果没有交集的话,可以直接这么写

select
  brand,
  sum(diff)
from
(
  select
    brand,
    datediff(end_date,start_date)+1 diff
  from promotion_info
)t1
group by brand;

那是不是可以去掉交集部分,变成没有交集的,使用上面的无交集的思路

select
  brand,
  sum(datediff(end_date,start_date)+1) promotion_day_count
from
(
  select
    brand,
    max_end_date,
    -- 进行截断
    if(max_end_date is null or start_date>max_end_date,start_date,date_add(max_end_date,1)) start_date,
    end_date
  from
  (
    select
      brand,
      start_date,
      end_date,
      -- 以开始时间排序
      -- 窗口函数最大结束时间
      max(end_date) over(partition by brand order by start_date rows between unbounded preceding and 1 preceding) max_end_date
    from promotion_info
  )t1
)t2
where end_date>start_date
group by brand;

方法二

展开,之后去重,再统计

但该方法会造成数据放大问题,要根据实际业务使用

select 
  brand, 
  count(distinct event_date)
 from
 (
  select 
   promotion_id,
   brand,
   date_add(start_date,pos) event_date
from
(
  select
   promotion_id,
   brand,
   start_date,
   end_date,
   diff,
   split(repeat(',',diff),',')
 from
 (
    select
      promotion_id,
      brand,
      start_date,
      end_date,
      datediff(end_date,start_date) diff
    from promotion_info
  )t1 
 )t2 lateral view posexplode(arr) temp as pos,item
)t3
 group by brand;

标签:00,12,Hive,2021,SQL,date,题库,id,user
From: https://www.cnblogs.com/wkfvawl/p/17065382.html

相关文章

  • MySQL笔记01: MySQL入门_1.2 MySQL下载安装与配置
     2.2MySQL下载安装与配置 2.2.1MySQL下载  MySQL中文官网:https://www.mysql.com/cn/   MySQL英文官网:https://www.mysql.com/   MySQL官网下载地址:h......
  • 远程连接Docker上的Mysql失败的解决方案
    之前VMWare虚拟机CentOS7使用DHCP,导致只要重启操作系统,网卡IP地址就改变。于是把网卡修改为手工设定IP地址,结果导致远程连接mysql出现如下错误,花了很多时间还没有解决,最终偶......
  • sql语句执行过程
    sql语句执行过程from->on->(left/rigntjoin)->where->groupby->having->select->distinct->orderby->limit在select语句中执行这些步骤时,每个步骤都会产生一个虚拟......
  • 多表连接sql99新特性
    SQL99新特性SQL99在SQL92的基础上提供了一些特殊语法1.自然连接​ 可以将自然连接理解为SQL92中的等值连接natualjoin 用来表示自然连接natualjoin会自动查询两......
  • sql基础之from和ansi join一起使用(parse)总结
    createtabletemp1(aidVARCHAR(5)notnull,carVARCHAR(10)notnull);createtabletemp2(bidVARCHAR(5)notnull,username......
  • MySQL排序与分页详解
    1.排序数据排序规则使用ORDERBY子句排序ASC(ascend):升序DESC(descend):降序ORDERBY子句在SELECT语句的结尾。单列排序SELECTlast_name,job_id,department_id,hire_d......
  • 数据库:了解MySQL数据类型、SQL命令
    文章目录​​Python进阶篇-系列文章全篇​​​​1.【了解】数据库概念及作用​​​​2.【了解】数据库分类及特点​​​​3.【了解】数据库管理系统​​​​4.【了解】MySQ......
  • 从零开始学SQL:where条件查询与连接
    文章目录​​Python进阶篇-系列文章全篇​​​​1.练习强化​​​​2.where之比较运算​​​​3.where之逻辑运算​​​​4.where之模糊查询​​​​5.where之范围查......
  • HTML5 WEB SQL 无法创建数据表的问题
    不知是什么原因,反复试,最后发现是数据表的某一列的字段用的是'check',把它改了后,就一切顺利了:无法创建数据表:db.transaction(function (tx) {       ......
  • MySQL单行函数详解
    ⭐本专栏针对MySQL中的范式、日志、SQL性能分析工具、存储引擎、优化场景、锁的应用、各种创建索引的规则等各方面进行剖析。......