红包参与领取、活跃用户等相关9题

最新推荐文章于 2024-11-13 22:18:25 发布
最新推荐文章于 2024-11-13 22:18:25 发布
阅读量460 收藏 7
点赞数 6
文章标签： 网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44976611/article/details/136175248
版权

用户活跃模型表. 表名：tmp_dau_based
字段解释：

  1. imp_date 日期 int格式.
  2. qimei 用户唯一标识（相当于用户id） int格式 无空值.
  3. is_new 新用户标识 int格式. （1标识新用户 0标识老用户）

备注：一个用户1天只出现1次，出现即表示当日登陆。
在这里插入图片描述
红包参与模型表. 表名：tmp_packet_based

字段解释：

  1. imp_date 日期 int格式.
  2. qimei 用户唯一标识（相当于用户id） int格式 无空值.
  3. report_time 领取时间戳 int格式.
  4. add_money 领取金额 int格式.（单位为分 无空值或0值）

备注：日志流水表，每一行为领取1次红包。无特殊说明，一般不考虑领取红包但当日未登录的情况。
（为什么会出现“已领取红包，但未登录的情况”，因为在现实的数据中，数据上报无法做到十分准确，这种其实是BUG数据。需要开发完善上报。）

在这里插入图片描述



-- 36、计算2019年6月1日至6月20日每日DAU

SELECT  imp_date
			 ,COUNT(DISTINCT qimei) as dau
FROM tmp_dau_based
WHERE imp_date BETWEEN '20190601'and '20190620'
GROUP BY imp_date;
	
	
-- 37、按新老用户区分，计算2019年3月1日至3月10日，每天领取红包的用户数，人均领取金额，人均领取次数

SELECT
			   t1.imp_date 
			  ,t2.is_new  
			  ,COUNT( DISTINCT t1.qimei )  AS  user_cnt
			  ,AVG(t1.packet_amount )  AS avg_packet_amount
			  ,AVG(t1.packet_times)  AS avg_packet_times
FROM
( -- 计算每位用户每天的领取金额及领取次数
		SELECT   imp_date
	          ,qimei
	          ,SUM( add_money )  AS  packet_amount
	          ,COUNT(1) AS packet_times
		FROM  tmp_packet_based 
		WHERE imp_date BETWEEN '20190301'  AND '20190310'
    GROUP  BY  imp_date
	            ,qimei
  ) t1
LEFT JOIN 
(
SELECT     imp_date
          ,qimei
          ,is_new
FROM  tmp_dau_based
WHERE imp_date BETWEEN '20190301'  AND '20190310' 
)  t2
ON t1.imp_date = t2.imp_date AND t1.qimei = t2.qimei
GROUP BY    t1.imp_date
	         ,t2.is_new 
ORDER BY    t1.imp_date
	         ,t2.is_new;
	
	
	
	
# 38. 计算2019年3月至6月，每个月领取过红包用户和未领取过红包用户的数量、平均月活跃天数（既本月平均活跃多少天）

-- 恭喜您，答对了 ！！！

/*
-- 逻辑梳理：
维度：每个月（时间标签）、是否领取红包（属性标签）
指标：活跃用户数、平均活跃天数（ 1. 先计算每个自然月、每个用户的活跃天数； 2. 只保留自然月维度，计算平均天数）

-- 解题思路：
1.按天看人均领取金额和人均领取次数，所以要算出每天每人的领取金额和领取次数，然后再做平均。
2.还需按每天的新老用户进行区分，所以在a表里面取出每个用户是否是新老用户的字段，然后a表和b表关联，最后再聚合。

*/

SELECT     imp_month
         , is_received
			   , COUNT(DISTINCT qimei)  as user_cnt
			   , AVG(per_user_active_days)  as avg_active_days
FROM 
(
      -- 每月每位活跃用户是否领取红包、以及活跃天数标签
	  SELECT    t1.imp_month
					  , t1.qimei
            , t1.per_user_active_days
					  , IF(t2.imp_month IS NULL , 0, 1)   AS   is_received         
	  FROM 
	  ( -- 计算活跃用户每月每位用户的活跃天数
			SELECT    DATE_FORMAT( imp_date,'%Y-%m') as imp_month
							 ,qimei
		           ,COUNT(DISTINCT imp_date)  AS   per_user_active_days
			FROM   tmp_dau_based
			WHERE  imp_date >= '20190301' AND   imp_date <  '20190701' 
			GROUP BY   DATE_FORMAT( imp_date,'%Y-%m')
							  ,qimei
	  )  t1
	  LEFT JOIN
	  (
		  -- 红包领取日志表中的按每月、每位用户需进行去重操作
		  SELECT    DATE_FORMAT( imp_date,'%Y-%m') as imp_month
						   ,qimei
		  FROM   tmp_packet_based
		  WHERE  imp_date >= '20190301' AND   imp_date <  '20190701' 
		  GROUP BY  DATE_FORMAT( imp_date,'%Y-%m')
							  ,qimei
	  ) t2
	  ON t1.imp_month =   t2.imp_month  AND  t1.qimei =   t2.qimei
) t 
GROUP BY  imp_month
         ,is_received
ORDER BY  imp_month
         ,is_received;

				 
-- 39.计算2019年3月6日所有老用户领取的第一个红包金额，若用户没有领取红包则金额为0	
	

/*
所有老用户： is_new  = 0
领取的第一个红包金额: ①第一个红包   ②金额
若用户没有领取红包则金额为0

*/

SELECT     t1.imp_date
				  ,t1.qimei
				  ,IFNULL(t2.add_money,0)  AS  packet_amount
FROM
(
-- 2019年3月6日所有老用户
SELECT  qimei, imp_date
FROM  tmp_dau_based
WHERE  imp_date = '20190306'
				AND is_new = 0
)  t1
LEFT JOIN
(
-- 领取的第一个红包金额
SELECT  qimei , add_money
FROM
  (
	  SELECT   qimei
					 , add_money
					 , row_number()over( PARTITION BY  qimei  ORDER BY report_time asc ) as  rn
	  FROM  tmp_packet_based
	  WHERE  imp_date = '20190306'
  ) t	
WHERE  rn = 1
)  t2
ON  t1.qimei  = t2.qimei ;
	
-- 40.计算2019年6月1日至6月10日，每日领取红包的新用户数、老用户数及其人均领取金额，人均领取次数，要考虑【领取红包但当日未登录】的情况

SELECT
			   t1.imp_date 
				 -- 2 代表领取红包但当日未登录
			  ,ifnull(t2.is_new,2) AS is_new   
			  ,COUNT( DISTINCT t1.qimei )  AS  user_cnt
			  ,AVG(t1.packet_amount )  AS avg_packet_amount
			  ,AVG(t1.packet_times)  AS avg_packet_times
FROM
( -- 计算每位用户每天的领取金额及领取次数
		SELECT   imp_date
	          ,qimei
	          ,SUM( add_money )  AS  packet_amount
	          ,COUNT(1) AS packet_times
		FROM  tmp_packet_based 
		WHERE imp_date BETWEEN '20190601'  AND '20190610'
    GROUP  BY  imp_date
	            ,qimei
  ) t1
LEFT JOIN 
(
SELECT     imp_date
          ,qimei
          ,is_new
FROM  tmp_dau_based
WHERE imp_date BETWEEN '20190601'  AND '20190610'
)  t2
ON t1.imp_date = t2.imp_date AND t1.qimei = t2.qimei
GROUP BY    t1.imp_date
	         ,t2.is_new 
ORDER BY    t1.imp_date
	         ,t2.is_new;
					 
-- 41.计算2019年5月1日，每个新用户领取的第一个红包和第二个红包的时间差（只计算注册当日有领取红包的用户，注册当日以DAU表中新用户为1的用户） 				 

-- UNIX时间戳转换为日期用函数： FROM_UNIXTIME()				 

/*
-- 每个新用户领取情况

注意：每个表的详细级别

难点：怎么筛出来每位用户，第一个红包，第二个红包的数据

*/

-- 解法1：简洁，通过
SELECT    t1.imp_date
 				 ,t1.qimei
				 ,min(report_time)  as  first_action_time
				 ,max(report_time)  as  second_action_time
				 ,TIMESTAMPDIFF(second , min(report_time), max(report_time))  AS time_interval
FROM 
(
  SELECT  imp_date
				 ,qimei
  FROM  tmp_dau_based
  WHERE  imp_date = '20190501'  AND  is_new = 1
)  t1
INNER JOIN 
(
  SELECT  qimei, report_time
  FROM  
   ( 
	  SELECT  imp_date
					 ,qimei
					 ,FROM_UNIXTIME(report_time) report_time
					 ,row_number()over(PARTITION BY qimei ORDER BY report_time ASC)  AS rn
	  FROM  tmp_packet_based
	  WHERE  imp_date = '20190501' 
   ) t
  WHERE  rn < 3
)   t2
ON  t1.qimei = t2.qimei
GROUP BY  t1.imp_date
 				 ,t1.qimei;


-- 解法2：略显冗余, 不通过（实际是对的）
SELECT *
FROM 
(
SELECT    t1.imp_date
 				 ,t1.qimei
				 ,report_time  rn1
				 ,lead(report_time,1)over(PARTITION BY t1.qimei ORDER BY report_time ASC)    rn2
				 ,TIMESTAMPDIFF(second ,report_time,lead(report_time,1)over(PARTITION BY t1.qimei ORDER BY report_time ASC) )  AS time_interval
FROM 
(
SELECT  imp_date
               ,qimei
FROM  tmp_dau_based
WHERE  imp_date = '20190501'  AND  is_new = 1
)   t1
INNER JOIN 
(
SELECT  qimei, report_time
FROM  
 ( 
	SELECT  imp_date
				   ,qimei
				   ,FROM_UNIXTIME(report_time) report_time
				   ,row_number()over(PARTITION BY qimei ORDER BY report_time ASC) rn
	FROM  tmp_packet_based
	WHERE  imp_date = '20190501' 
 ) t
WHERE  rn < 3
)   t2
ON  t1.qimei = t2.qimei
 ) t
WHERE t. rn2 is not null;
					 

-- 42. 计算2019年6月1日至6月20日，每日的用户次日留存率、领取红包用户的次日留存率、未领取红包用户的次日留存率

# 难点：对于未领取、领取红包用户如何筛选计算，以及如何减少不必要的sql代码冗余



SELECT  t1.imp_date
       ,COUNT(DISTINCT t2.qimei) / COUNT(DISTINCT t1.qimei) AS  retention
       ,COUNT(DISTINCT CASE WHEN is_packet_user = 1 THEN t2.qimei END) / COUNT(DISTINCT CASE WHEN is_packet_user = 1 THEN t1.qimei END) AS  packet_retention
       ,COUNT(DISTINCT CASE WHEN is_packet_user = 0 THEN t2.qimei END) / COUNT(DISTINCT CASE WHEN is_packet_user = 0 THEN t1.qimei END) AS  non_packet_retention
FROM
(
    -- 对每位活跃用户在每天是否领取红包，打上标签，0 表示未领取，1表示领取
    SELECT  a.imp_date
					 ,a.qimei
					 ,IF(b.qimei IS NULL, 0, 1) AS  is_packet_user
    FROM( -- 建议优化：缩小数据范围
		SELECT DISTINCT imp_date,qimei
		FROM tmp_dau_based
		WHERE imp_date BETWEEN '20190601' AND '20190620'
		) a
    LEFT JOIN (
    -- 对红包参与模型表进行每用户按日去重
		SELECT  imp_date
					 ,qimei
		FROM tmp_packet_based
		WHERE imp_date BETWEEN '20190601' AND '20190620'
		GROUP BY imp_date
						,qimei
    ) b ON a.imp_date = b.imp_date AND a.qimei = b.qimei
) t1
LEFT JOIN
(
    SELECT  imp_date
					 ,qimei
    FROM tmp_dau_based
    WHERE imp_date BETWEEN '20190602' AND '20190621'
) t2 
ON t1.imp_date = (t2.imp_date - 1) AND t1.qimei = t2.qimei
GROUP BY t1.imp_date;


-- dathon参考答案：相对更简洁

with a as (
		select  distinct imp_date,qimei  
		from tmp_dau_based
		where  imp_date between '20190601' and '20190621'
),b as (  select distinct  imp_date, qimei
					from tmp_packet_based
					where imp_date between '20190601' and '20190620'
)
select
			t1.imp_date,
			count( distinct t2.qimei) / count(distinct t1.qimei)   retention,
			count( distinct if(t1.is_packet_user = 1, t2.qimei, null)) / count(distinct if(t1.is_packet_user = 1, t1.qimei, null))   packet_retention,
			count( distinct if(t1.is_packet_user = 0, t2.qimei, null)) / count( distinct if(t1.is_packet_user = 0, t1.qimei, null))  non_packet_retention
from
  ( -- t1 表找出每日的登录用户并标记用户是否领取红包，作为留存率的分母
    select    a.imp_date,
							a.qimei,
							if(b.qimei is null, 0, 1) is_packet_user
    from a
    left join b 
		on a.imp_date = b.imp_date and a.qimei = b.qimei
    where a.imp_date between '20190601' and '20190620'
    group by   a.imp_date,
               a.qimei
  ) t1
-- 当日登录的用户有多少在次日仍然登录，需要对登录表进行连接操作，即t1 left join t2 ( t2 即临时表a )
left join a t2 
on t1.qimei = t2.qimei and datediff(t2.imp_date, t1.imp_date) = 1 -- 在dathon的基础上进行了代码更正
group by  t1.imp_date;


-- 43. 计算2019年6月1日至6月20日，每日DAU中，近3天连续登陆用户数，近3天有领取红包用户数，近3天连续登陆用户的占比，近3天有领取红包用户的占比

/*

近3天连续登陆用户数
近3天有领取红包用户数

选定时间范围： 20190601~ 20190620

难点：连续登录问题通用解法思路

*/


-- dathon:

SELECT     a.imp_date
          ,COUNT(DISTINCT a.qimei) AS dau
					,COUNT(DISTINCT b.qimei) AS 3d_user_cnt
					,COUNT(DISTINCT c.qimei) AS 3d_packet_cnt
					,COUNT(DISTINCT b.qimei) / COUNT(DISTINCT a.qimei) AS 3d_user_rate
					,COUNT(DISTINCT c.qimei) / COUNT(DISTINCT a.qimei) AS 3d_packet_rate
FROM ( 
			-- a表求出每天登录的用户
		  SELECT   imp_date
			        ,qimei
		  FROM tmp_dau_based
		  WHERE imp_date BETWEEN '20190601' AND '20190620'
) a
LEFT JOIN (
		  -- b表中，将用户的登录日减去其登录日的排序即可得到date_base字段，相同的date_base出现几次即意味着连续登陆了几天
			SELECT   qimei
							,date_add(date_base, INTERVAL 3 DAY) AS dt
							,COUNT(1) AS cnt
			FROM(
						SELECT     qimei
						          ,imp_date
											,rank() OVER (PARTITION BY qimei ORDER BY imp_date) AS date_rank
											,date_sub(imp_date, INTERVAL (rank() OVER (PARTITION BY qimei ORDER BY imp_date) ) DAY) AS date_base
						FROM tmp_dau_based
						WHERE imp_date BETWEEN '20190530' AND '20190620'
			) t
			GROUP BY  qimei
							 ,date_add(date_base, INTERVAL 3 DAY)
			HAVING COUNT(1) >= 3
	) b
ON a.qimei = b.qimei AND date(a.imp_date) = b.dt
LEFT JOIN (
			-- c表求取出1-20日领取红包的用户，在表连接的时候限制在近3天即可表示3天内有领取红包的用户
			SELECT qimei, imp_date
			FROM tmp_packet_based
			WHERE imp_date BETWEEN '20190530' AND '20190620'
			GROUP BY  qimei
							 ,imp_date
) c
ON  a.qimei = c.qimei AND (( 0 < datediff(a.imp_date, c.imp_date) ) AND ( datediff(a.imp_date, c.imp_date) <=2))
GROUP BY a.imp_date;



-- 草稿：
SELECT 0 < datediff('20190601', '20190610') <= 2;  # 大在前, 小在后;  



-- 44. 计算2019年6月1日，领取红包用户领取金额的中位数（用户粒度的中位数，而非红包粒度的中位数）最高的20个用户及排名

SELECT
				 imp_date
				,qimei
				,median_money
				,rn 
FROM
(
			SELECT    a.imp_date
							 ,a.qimei
               ,CAST(FORMAT(add_money,4)  AS DECIMAL(18, 4))  AS median_money
							 ,rank() over ( PARTITION BY a.imp_date ORDER BY  add_money  DESC ) rn 
			FROM(
			-- 计算每个用户领取红包的排名
						SELECT
										 imp_date
										,qimei
										,add_money
										,row_number() over ( PARTITION BY imp_date, qimei ORDER BY add_money ) AS rk 
						FROM tmp_packet_based 
						WHERE imp_date = '20190601' 
			) a
			LEFT JOIN ( 
			-- 计算每个用户领取红包的个数
						 SELECT    imp_date
											,qimei
											,count(*) AS num 
							FROM tmp_packet_based 
							WHERE imp_date = '20190601' 
							GROUP BY  imp_date
											 ,qimei
			) b 
			ON a.qimei = b.qimei AND a.imp_date = b.imp_date 
			-- 根据中位数的定义，其rk排名会落在总数+1再除以二的正负0.5之间
			WHERE rk >= ( num + 1 ) / 2 - 0.5 AND rk <= ( num + 1 ) / 2 + 0.5 
) t 
WHERE  rn <= 20;



-- 以字符串形式返回的,然后使用 CAST 函数将其转换回数值类型
SELECT CAST(FORMAT(20,4)  AS DECIMAL(18, 4));
南湖渔歌
关注
【050】MySQL 红包参与领取、活跃用户、注册等相关 8 题
小麦粒的Python
04-08 494
♣题目部分1、计算2019年6月1日至今，每日DAU（活跃用户量，即有登陆的用户）？ 2、计算20190601至今，每日领取红包的新用户数，老用户数，及人均领取金额，...
mysql数据库面试题红包_数据分析SQL面试题目9套汇总
weixin_39604516的博客
02-18 289
金九银十又是找工作的好季节啊，最近不少数据蛙数据分析社群同学，问到一些面试数据分析时的SQL题目，所以就结合大家的面试题目以及工作场景给大家总结了一些经典题目。同时也特别感谢001号同学和002号同学的帮忙整理面试题目一1.题目如下2.下面开始建表、插入数据create table datafrog_test1(userid varchar(20),changjing varchar(20),in...
数据分析sql面试必会6题经典_SQL笔试题：数据分析SQL面试题目9套汇总
weixin_30556403的博客
12-06 2349
面试题目一1.题目如下2.下面开始建表、插入数据create table datafrog_test1(userid varchar(20),changjing varchar(20),inttime varchar(20));insert into datafrog_test1 values(1,1001,1400),(2,1002,1401),(1,1002,1402),(1,100...
SQL 的一点简单的面试题求助
XiaoLiuXiaoLiu7的博客
11-03 820
@SQL 面试题目，麻烦大家帮我看看 SQL 的一点简单的面试 –表结构介绍 用户活跃模型表：tmp_liujg_dau_based， 以imp_date、qimei为主键， 一个用户1天只出现1次，出现即表示当日登陆 字段： （1）imp_date，日期，string格式，格式例如20190601 （2）qimei，用户唯一标识，string格式，无空值 （3）is_new，新用户标识，stri...
打车红包领取活动产品规划方案
qq_36377139的博客
02-16 177
打车红包领取活动产品规划方案
5天2亿活跃用户，2017QQ“LBS+AR”天降红包活动后台揭密
wetest_tencent的博客
02-16 2186
你知道春节期间全网渗透率高达52.9%的ARQQ红包后台是怎样的一番光景吗？本文为您揭晓。
企业微信发送企业红包java_发放企业红包
weixin_35379520的博客
02-27 739
API接口协议发放规则：发送频率限制———默认1800/min发送个数上限———默认1800/min场景金额限制———默认红包金额为1-200元，如有需要，可前往商户平台进行设置和申请其他限制———商户单日出资金额上限—100万元；单用户单日收款金额上限—1000元；单用户可领取红包个数上限—10个注意事项：红包金额大于200或者小于1元时，请求参数scene_id必传，参数说明见下文。根据监管要...
MySQL面试题
Sinsoledad0702的博客
09-06 528
MySQL题目整理
5天2亿活跃用户，QQ“LBS+AR”天降红包活动后台揭密
diezhuzhuo3333的博客
04-26 230
WeTest 导读 上一期为您解密了8亿月活的QQ后台服务接口隔离技术《QQ18年，解密8亿月活的QQ后台服务接口隔离技术》，那你是否好奇春节期间全网渗透率高达52.9%的ARQQ红包后台是怎样的一番光景呢？本文为您揭晓。 前言 刚刚过去不久的QQ“LBS+AR”天降红包玩法在5天内达成了2.57亿用户参与、共计领取卡券和现金红包20.5亿次的成绩，得到用户的一致好评，赢得口碑...
用户自行领取红包教程1
08-08
【用户自行领取红包教程详解】 在数字化营销领域，商家经常使用红包作为一种促销手段来吸引顾客，提高用户活跃度。本文将详细介绍如何设置并让用户自行领取红包的步骤，以提升电商平台的用户体验。 首先，我们需要...
(qq群分享)0元撸淘宝10元现金红包,2018淘宝新年红包0元领取活动教程总结后的文件
02-05
淘宝新年红包领取活动是淘宝平台每年为吸引新用户和回馈老用户而推出的一种促销策略。在2018年的活动中，淘宝提供了0元领取10元现金红包以及188元购物大礼包的机会，这对于消费者来说无疑是一份极具吸引力的福利。 ...
支付宝红包_淘宝领喵币_雪球红包_苏宁易购_京东_淘宝自动签到 领取金币.zip
11-01
标题和描述中提到的是关于利用自动化工具进行在线平台签到和领取红包、金币等活动的实践。这些活动通常是由各大电商平台如支付宝、淘宝、苏宁易购、京东等为吸引用户参与和增加用户粘性而设立的。下面将详细介绍相关...
抢红包流量html.zip_html猜红包_insteadmcb_抢红包流量_红包 html_红包分享模板
09-24
抢红包活动是一种常见的用户参与策略，可以提高用户活跃度和粘性。 4. **红包_html**: 指的是用HTML语言构建的红包相关页面。HTML是超文本标记语言，用于描述网页结构和内容。 5. **红包分享模板**: 这是一套预...
字节序（Byte Order）
weixin_50993868的博客
11-11 258
字节序与平台字节序转换字节序（Byte Order）是指数据在内存中存储时字节的排列顺序。由于不同的计算机体系结构可能采用不同的字节序，因此理解字节序非常重要，特别是在处理多平台数据传输或存储时。
UNIX 域套接字
weixin_50993868的博客
11-12 387
UNIX 域套接字（UNIX Domain Socket，简称 UDS）是一种在同一台机器上的进程间通信（IPC，Inter-Process Communication）机制，允许不同的进程通过文件系统中的特殊文件进行数据交换，而不需要通过网络协议栈。这使得 UNIX 域套接字在本地通信中比传统的 TCP/IP 套接字更高效。流式数据：和 TCP 套接字类似，UNIX 域套接字也支持面向流的通信（SOCK_STREAM），以及无连接的报文通信（SOCK_DGRAM）。// 套接字文件的路径。
【网络安全 | 漏洞挖掘】隐藏的 DOS 技术
等风来
11-11 450
我调查了这些参数的用途，发现它们被传递给了第三方服务，且该服务的文档说明这些参数是安全的。你可以试试这样做：前往https://ash-speed.hetzner.com/并找到一个测试文件（大小大约1到10 GB），如果服务器等待URL请求完成，你可以通过大量此类请求来淹没服务器，从而导致它最终崩溃。于是我发送了一个包含1000个UUID的列表，结果网站在60秒后超时，并出现了显著的延迟。在我的案例中，这导致了客户网站的DOS攻击，问题被发现并快速修复，甚至在我报告漏洞之前。
三菱FX5UPLC以太网Socket通信功能
最新发布
qq_51166033的博客
11-13 371
通过专用指令与通过以太网连接的对象设备以TCP及UDP协议收发任意数据的功能。
TCP为什么需要三次握手和四次挥手，有哪些需要注意的地方？
Sherry Tian的博客
11-13 797
TCP（传输控制协议）是一种面向连接的、可靠的、基于字节流的传输层通信协议。TCP为什么需要三次握手和四次挥手，又有哪些需要注意的地方...
C++编程：利用环形缓冲区优化 TCP 发送流程，避免 Short Write 问题
Where there is life, there is hope.
11-10 1044
在 TCP 编程中，`short write` 问题指的是在调用 `send` 或 `write` 系统调用时，实际发送的数据量比预期要少。这通常是因为网络协议栈发送缓冲区的空间不足，导致不能一次性发送完整的数据。遇到这种情况时，系统调用会返回实际发送的字节数，并将 `errno` 设置为 `EAGAIN`，表示缓冲区没有足够的空间来继续发送数据。
京东极速版v1.21红包领取新工具发布
这类活动通常会通过各种营销手段来吸引用户参与，例如红包、优惠券等，以增加应用程序的用户量和活跃度。 5. 软件安全与验证：下载和运行未知来源的软件存在安全风险，包括病毒、恶意软件或间谍软件的潜在威胁。...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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