qq_14815605的博客

从订单明细表（order_detail）中查询累积销售件数高于其所属品类平均数的商品

从订单明细表（order_detail）中统计出每种商品销售件数最多的日期及当日销量。如果有同一商品多日销量并列的情况，取其中的最小日期。

从用户登录明细表中查询每天的新增用户数，若一个用户在某天登录了，且在这一天之前没登录过，则认为该用户为这一天的新增用户

复购率指用户在一段时间内对某商品的重复购买比例，复购率越大，则反映出消费者对品牌的忠诚度就越高，也叫回头率。指包含最大日期（以订单详情表 (order_detail) 中最后的日期）在内的近90天。此处定义: 某商品复购率 = 近90天内购买它至少两次的人数 ÷ 购买它的总人数。 结果中复购率保留2位小数，并按复购率倒序、商品ID升序排序。

从用户登录就明细表中求出每个用户金币总数，并按照金币总数倒序排序。

从用户登录明细表中的用户登录时间给各用户分级，求出各等级用户的人数。

统计2023年期间，每个商品总收藏量和购买量

mysql求中位数

Spark调度系统

求出同一商品在2022年和2023年中同一个月份的售卖情况对比。

输出这个用户的 user_id 及第一次成功购买手机的日期和第二次成功购买手机的日期，以及购买手机的次数

从订单详情表 (order_detail) 中，求出商品连续售卖的时间区间

从订单信息表 (order_info) 中统计每个用户截止到某个下单日期的累积消费金额，以及每个用户在其每个下单日期的 VIP 等级。

统计各品类销售出的商品种类及累积销量数最多的商品。

查询订单信息表 (order_info) 中最少连续 3 天下单的用户 id

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。

查询订单明细表(order_detail)中销量（下单件数）排名第二的商品id,如果不存在返回null,如果存在多个排名第二的商品则需要全部返回。

一. 概述大数据生态圈大多数技术都是master-slave架构，Spark、Storm、Flink无一例外都是这种架构，Spark是目前批计算的主流，Flink目前逐渐取代Storm成为了流式计算的主流，Storm逐渐被市场淘汰，但是不得不说Storm也是一个非常优秀的流式计算框架，其实时性非常好。在分布式计算框架中，角色即进程，任务通常是以线程的形式跑在计算层的JVM进程中，但是每个框架中是有差异的，以下针对Spark/Storm/Flink三大主流计算框架进行对比。