大数据培训连续登录经典面试案例
温馨提示:这篇文章已超过1004天没有更新,请注意相关的内容是否还可用!
一、简介
连续登录问题,不管是数据研发、还是数据分析,都是一个经典面试SQL题,本文从易到难,简单拓展,举一反三。
二、表结构
注:去过重的。
CREATE TABLE `user_login`(
`id` int COMMENT '用户主键',
`dt` string COMMENT '登录日期')
三、表数据
user_login.id user_login.dt
1001 2021-12-12
1002 2021-12-12
1001 2021-12-13
1001 2021-12-14
1001 2021-12-16
1002 2021-12-16
1001 2021-12-19
1002 2021-12-17
1001 2021-12-20
四、题目: 求出连续3天登录的用户ID
方法一:自关联
SELECT
tmp2.id
FROM
SELECT
tmp.id,
tmp.dt
FROM
SELECT
ul1.id,
ul1.dt
FROM
user_login ul1
INNER JOIN
user_login ul2
ON ul1.id = ul2.id
WHERE
ul2.dt BETWEEN date_sub(ul1.dt, 2) AND ul1.dt
) tmp
GROUP BY
tmp.id,
tmp.dt
HAVING
count(1) = 3
) tmp2
group by
tmp2.id
详解:
1:因为是固定的3天,所以可以采用主键自关联方法,【关注尚硅谷,轻松学IT】过滤条件为副表ul2的登录时间在主表登录时间和主表登录时间减去两天的区间内
2:然后根据主表的id,和登录时间分组,分组后数量正好是3天的,说明连续三天时间都有登录
3:根据步骤二的结果去重,获取结果
方法二:巧用窗口函数row_number
SELECT
tmp2.id
FROM
SELECT
id,
date_sub(dt, rn) dt_line
FROM
SELECT
id,
dt,
row_number () over (PARTITION BY id ORDER BY dt) rn
FROM
user_login
) tmp
GROUP BY
id,
date_sub(dt, rn)
HAVING
count(1) >= 3
) tmp2
group by
tmp2.id
详解:
1:利用row_number 提供一个自增序列
2:如果前后连续,那么登录日期减去步骤一提供的序列号结果相等
3:根据步骤二提供的日期基准,和用户id分组,过滤出大于等于3的结果
4:根据步骤三的结果去重,获取结果
方法三:采用窗口函数 lag(lead)
SELECT
tmp2.id
FROM
SELECT
id,
IF (datediff(dt, lag_dt) = 2, 1, 0) flag
FROM
SELECT
id,
dt,
lag (dt, 2, '0000-00-00') over (PARTITION BY id ORDER BY dt) lag_dt
FROM
user_login
) tmp
) tmp2
WHERE
tmp2.flag = 1
GROUP BY
tmp2.id
详解:
1:因为是固定的3天,所以可以采用lag(lead)方法,求出前面第二个的日期与当前的日期差
2:根据步骤一的结果,判断如果日期差等于2,则是连续登录
3:根据步骤二的结果过滤分组,获取结果
方法四: 比对相邻数据日期,可扩展为组别划分
SELECT
id
FROM
SELECT
id,
max_dt_line
FROM
SELECT
id,
dt,
lag_dt,
max(dt_line) over (PARTITION BY id ORDER BY dt) max_dt_line
FROM
SELECT
id,
dt,
lag_dt,
IF (datediff(dt, lag_dt) = 1,"0",dt) dt_line
FROM
SELECT
id,
dt,
lag (dt, 1, '000-00-00') over (PARTITION BY id ORDER BY dt) lag_dt
FROM
user_login
) tmp
) tmp1
) tmp2
GROUP BY
id,
max_dt_line
HAVING
count(1) >= 3
) tmp4
GROUP BY
id;
详解:
1:利用lag(lead) 比较当前日期与上一次登录日期的差
2:如果日期差为1,则连续登录,记为0,【关注尚硅谷,轻松学IT】否则记录当前登录日期
3:利用窗口函数max,获取用户登录基准日期
4:根据基准日期分组,过滤出大于等于3天的数据
5:根据步骤四结果去重,获得最后结果
五、扩展总结
连续登录问题,其实可扩展为划分组别的问题。
如果是时间不固定,比如求每个用户最大连续登录天数,www.atguigu.com那么方法一和三就失效了。
如果仅仅是题目要求,求固定连续登录天数,那么个人更倾向于方法三。
文章来源于数据仓库与Python大数据
推荐阅读:
大数据开发之数仓建模
大数据开发之数据仓库架构分析
大数据开发 Spark 模块之SparkSQL
大数据开发之Spark入门
九七分享吧所有文章来源于网络收集整理,如有侵权请联系QQ2387153712删除,如果这篇文章对你有帮助或者还不错的请给小编点个小赞(◠‿◠),小编每天整理文章不容易(ಥ_ಥ)!!!
还没有评论,来说两句吧...