Hive经典面试问题（五）——流式问题

流式问题

题目

数据

1001	2021-06-14 12:12:12	2021-06-14 18:12:12
1003	2021-06-14 13:12:12	2021-06-14 16:12:12
1004	2021-06-14 13:15:12	2021-06-14 20:12:12
1002	2021-06-14 15:12:12	2021-06-14 16:12:12
1005	2021-06-14 15:18:12	2021-06-14 20:12:12
1001	2021-06-14 20:12:12	2021-06-14 23:12:12
1006	2021-06-14 21:12:12	2021-06-14 23:15:12
1007	2021-06-14 22:12:12	2021-06-14 23:10:12

建表

create table if not exists simultaneous(
id int,
sdt timestamp,
edt timestamp
)row format delimited fields terminated by '\t';

加载数据

load data local inpath '/opt/module/data/hive-interviews/simultaneous' into table simultaneous;

解题步骤

解题步骤1 对数据进行分类，在开始数据后添加1，在下线数据后添加-1

sql语句

select id,sdt dt,1 p from simultaneous
union
select id,edt dt,-1 p from simultaneous

结果

_u1.id	_u1.dt	_u1.p
1001	2021-06-14 12:12:12	1
1001	2021-06-14 18:12:12	-1
1001	2021-06-14 20:12:12	1
1001	2021-06-14 23:12:12	-1
1002	2021-06-14 15:12:12	1
1002	2021-06-14 16:12:12	-1
1003	2021-06-14 13:12:12	1
1003	2021-06-14 16:12:12	-1
1004	2021-06-14 13:15:12	1
1004	2021-06-14 20:12:12	-1
1005	2021-06-14 15:18:12	1
1005	2021-06-14 20:12:12	-1
1006	2021-06-14 21:12:12	1
1006	2021-06-14 23:15:12	-1
1007	2021-06-14 22:12:12	1
1007	2021-06-14 23:10:12	-1

解题步骤2 按照时间顺序，累加计算人数

sql语句

select 
id,dt,sum(p) over(order by dt) sum
from(
select id,sdt dt,1 p from simultaneous
union
select id,edt dt,-1 p from simultaneous
)t1

结果

id	dt	sum
1001	2021-06-14 12:12:12	1
1003	2021-06-14 13:12:12	2
1004	2021-06-14 13:15:12	3
1002	2021-06-14 15:12:12	4
1005	2021-06-14 15:18:12	5
1002	2021-06-14 16:12:12	3
1003	2021-06-14 16:12:12	3
1001	2021-06-14 18:12:12	2
1001	2021-06-14 20:12:12	1
1004	2021-06-14 20:12:12	1
1005	2021-06-14 20:12:12	1
1006	2021-06-14 21:12:12	2
1007	2021-06-14 22:12:12	3
1007	2021-06-14 23:10:12	2
1001	2021-06-14 23:12:12	1
1006	2021-06-14 23:15:12	0

解题步骤3 求同时在线最大人数

sql语句

select max(sum)
from(
select 
id,dt,sum(p) over(order by dt) sum
from(
select id,sdt dt,1 p from simultaneous
union
select id,edt dt,-1 p from simultaneous
)t1
)t2

结果

OK
_c0
5