1.题目
某游戏公司记录的用户每日登录数据,表名为user_login,字段为id,dt.
id 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
计算每个用户最大的连续登录天数,可以间隔一天。
解释:如果一个用户在1,3,5,6登录游戏,则视为连续6天登录。
1001用户12、13、14、16号为连续登录,连续天数为5
1001用户19、20号为连续登录,连续天数为2
1002用户12号为连续登录,连续天数为1
1002用户16、17号为连续登录,连续天数为
2.数据准备
create table if not exists user_login_zhinanzhen(
id int,
dt varchar(32)
);
insert into user_login_zhinanzhen
values
(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');
select * from user_login_zhinanzhen;
3.解题思路
- 还是一样先分析什么事大维度和小维度,这里大维度是用户,小维度是登录时间
- 和其他不一样的是间隔一天,也算作登录,要看出这里的言外之意说的就是维度的排名需要稍作变化,从而把相差一天的数据也算在同一个组内
- 相减,求出组号,需要验证相差一天分在一个组号内
- 按照组号聚合求值
4.解题代码
T1:按照大维度,即用户id分组开窗排名。这里开窗思路和普通连续的例子没有区别。
select
id,
dt,
row_number() over (partition by id order by dt) rm_day
from user_login_zhinanzhen
T2:小维度排名,这里思维可能比较抽象,第二次开窗是求上一次排名的时间是多少天前。第一条记录默认为一个很大的数。
select
id,
dt,
datediff(dt,lag(dt,1,'1000-10-01') over (partition by id order by dt)) as day_diff
from t1
结果:可以观察到,只要是断开登录超过两天的那么他们的连续组肯定会变化
T3:使用递增开窗sum(if( ,1,0)) over() 可以实现这个组号
select id,
dt,
sum(if(day_diff>2,1,0)) over (partition by id order by dt rows between unbounded preceding and current row) group_id
from t2
结果:组号出来了,那么接下来就是和普通的连续一样的分组聚合了
T4:分组聚合
select
id,
group_id,
(datediff(max(dt),min(dt))+1) as group_day
from t3
group by id, group_id
T5:筛选需求
select id,max(group_day) from t4 group by id
结果:
总结:
不管连续问题怎么变化,都是按照大维度和小维度去排名,最后按照要求分成组,组内在聚合。
就像不管离家多远,只要找到了回家的路,回到家,就能分清楚每个家有多少人一样。
又可以将这个“寻找回家路”的过程类比成偏移量,现在的位置减去偏移量就可以回到原来的位置,这里只是偏移次数不一样。
ps:
这里若是要求断开10天也算连续,思考一下怎么求吧