Hive SQL经典面试题:统计连续登陆的三天及以上的用户

Hive SQL经典面试题

最近发现一道大数据面试经常会问的SQL题目:统计连续登录的三天及以上的用户(或者类似的:连续3个月充值会员用户、连续N天购买商品的用户等),下面就来记录一下解题思路。
要求输出格式:


+---------+--------+-------------+-------------+--+
|   uid   | times  | start_date  |  end_date   |
+---------+--------+-------------+-------------+--+

首先建表:

create table test.user_login_info(
 user_id string  COMMENT '用户ID'
,login_date date COMMENT '登录日期'
)
row format delimited
fields terminated by ',';

原始数据:
在这里插入图片描述

导入原始数据:

hdfs dfs -put /root/user_login_info.txt  /user/hive/warehouse/test.db/user_login_info/

查看:

select * from user_login_info;
+--------------------------+-----------------------------+
| user_login_info.user_id  | user_login_info.login_date  |
+--------------------------+-----------------------------+
| user01                   | 2018-02-28                  |
| user01                   | 2018-03-01                  |
| user01                   | 2018-03-02                  |
| user01                   | 2018-03-04                  |
| user01                   | 2018-03-05                  |
| user01                   | 2018-03-06                  |
| user01                   | 2018-03-07                  |
| user02                   | 2018-03-01                  |
| user02                   | 2018-03-02                  |
| user02                   | 2018-03-03                  |
| user02                   | 2018-03-06                  |
+--------------------------+-----------------------------+

解题思路:
1.先把数据按照user_id分组,login_date升序

select
      user_id
      ,login_date
      ,row_number() over(partition by user_id order by login_date asc) as rank
  from user_login_info
;

结果:
+----------+-------------+-------+
| user_id  | login_date  | rank  |
+----------+-------------+-------+
| user01   | 2018-02-28  | 1     |
| user01   | 2018-03-01  | 2     |
| user01   | 2018-03-02  | 3     |
| user01   | 2018-03-04  | 4     |
| user01   | 2018-03-05  | 5     |
| user01   | 2018-03-06  | 6     |
| user01   | 2018-03-07  | 7     |
| user02   | 2018-03-01  | 1     |
| user02   | 2018-03-02  | 2     |
| user02   | 2018-03-03  | 3     |
| user02   | 2018-03-06  | 4     |
+----------+-------------+-------+

2.用 login_date - rank 得到的差值日期如果是一样的,则说明是连续登录的

select
      t1.user_id as user_id
      ,t1.login_date as login_date
      ,date_sub(t1.login_date , t1.rank) as date_diff
  from
     (
         select
                user_id
               ,login_date
               ,row_number() over(partition by user_id order by login_date asc) as rank
           from user_login_info
     )t1
;

结果:
+----------+-------------+-------------+
| user_id  | login_date  |  date_diff  |
+----------+-------------+-------------+
| user01   | 2018-02-28  | 2018-02-27  |
| user01   | 2018-03-01  | 2018-02-27  |
| user01   | 2018-03-02  | 2018-02-27  |
| user01   | 2018-03-04  | 2018-02-28  |
| user01   | 2018-03-05  | 2018-02-28  |
| user01   | 2018-03-06  | 2018-02-28  |
| user01   | 2018-03-07  | 2018-02-28  |
| user02   | 2018-03-01  | 2018-02-28  |
| user02   | 2018-03-02  | 2018-02-28  |
| user02   | 2018-03-03  | 2018-02-28  |
| user02   | 2018-03-06  | 2018-03-02  |
+----------+-------------+-------------+

3.根据 user_id 和 date_diff 分组,login_date 的最小时间即 start_date ,最大时间即 end_date,取分组后的count>=3的即为最终结果

select
      t2.user_id as user_id
      ,count(*) as times
      ,min(t2.login_date) as start_date
      ,max(t2.login_date) as end_date
  from 
      (
        select
              t1.user_id as user_id
              ,t1.login_date as login_date
              ,date_sub(t1.login_date , t1.rank) as date_diff
          from
             (
                 select
                        user_id
                       ,login_date
                       ,row_number() over(partition by user_id order by login_date asc) as rank
                   from user_login_info
             )t1
      )t2
group by t2.user_id,t2.date_diff
having count(*) >= 3
;

结果:
+----------+--------+-------------+-------------+
| user_id  | times  | start_date  |  end_date   |
+----------+--------+-------------+-------------+
| user01   | 3      | 2018-02-28  | 2018-03-02  |
| user01   | 4      | 2018-03-04  | 2018-03-07  |
| user02   | 3      | 2018-03-01  | 2018-03-03  |
+----------+--------+-------------+-------------+

以上为一种解决方案,大佬们如果有更好的方案欢迎留言交流。

  • 23
    点赞
  • 71
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
Hive SQL面试中,经常会遇到各种类型的问题。以下是一些常见的面试题型总结: 1. 常用函数:面试官可能会问你常用的Hive SQL函数,如concat、split、collect_set等。你可以根据实际情况进行回答。 2. N日留存:这个问题主要是针对数据分析方向。你需要分析思路,根据给定的数据,计算用户在N后仍然活跃的比例。 3. 连续登录:同样是针对数据分析方向。你需要准备好数据,然后根据给定的数据,分析用户连续登录情况。 4. Top N:这个问题需要你准备好数据,并分析思路,根据给定的数据,找出排名前N的记录。 5. 行列互转:这个问题可以分为行转列和列转行两种情况。你需要根据具体需,使用Hive SQL语句将数据从行转换为列,或者从列转换为行。 6. 开窗函数:这个问题主要是针对数据分析方向。你需要使用开窗函数,对给定的数据进行分析和计算。 7. 解析复杂数据类型:这个问题需要你处理一些复杂的数据类型,如JSON数据,使用Hive SQL函数进行解析和提取。 以上是一些常见的Hive SQL面试题型总结,希望对你有所帮助。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [Hive Sql中六种面试题型总结](https://blog.csdn.net/lightupworld/article/details/108583548)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *3* [Hive SQL面试题(附答案)](https://blog.csdn.net/a934079371/article/details/122227602)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值