weixin_51243388的博客

原创 数仓实践：浅谈 Kimball 维度建模2

（2）雪花模型：在星型模型基础上，一个或多个维度表没有直接连接到事实表，而是连接到维度表上，间接连接事实表，形状像雪花。业务是多变的，模型的设计要能够复用，承受住业务的多变，能够新增维度、维度属性满足业务新视角的分析。通过维度，业务过程的度量、事实变得丰富起来，比如订单常见的维度：商品、商家、买家、门店。每一个维度包含大量的描述信息，比如商家维度包含商家id，营业执照，粉丝层级。2、维度建模的一般过程。

原创 数仓实践：浅谈 Kimball 维度建模1

累计快照事实表：记录具有时间跨度的业务处理过程的整个信息，比如从用户下单、物流、评价、售后等整个流程的信息。事实表的度量：可累加（销售金额、销售数量）、半可累加（仅仅某些维度可加）、不可累加（订单状态）周期快照事实表：记录有规律、固定时间间隔的业务累计数据，粒度较粗，比如账户月均余额事实表。用于关联和连接相应的维度，通过这些外键，进行各个角度、维度分析。维度属性最好是文本、离散的，减少编码的使用，提供丰富的切割能力。维度表是维度建模的灵魂，设计的好坏决定数仓的好坏。

原创 SQL267 牛客每个人最近的登录日期(三)

摘要：本文通过SQL查询计算次日留存率。基础数据表获取用户首次登录日期，去重数据表记录用户每日登录情况。次日留存率的计算方式为：分子是首次登录后第二天仍活跃的用户数，分母是所有首次登录用户数。查询使用datediff函数判断次日留存条件，最终结果保留三位小数。该方法准确反映了次日留存的核心指标。

原创 每类试卷得分前3名

文章摘要：该SQL查询用于分析考试数据，首先按用户ID(uid)和标签(tag)分组统计每个用户在各标签下的最高分(max_score)和最低分(min_score)，然后按标签分组对用户进行排名，排名依据最高分降序、最低分降序和用户ID降序，最终筛选出每个标签下排名前三的用户。查询结果包含标签、用户ID和排名信息。

原创 SQL163 每篇文章同一时刻最大在看人数

文章摘要：本文通过SQL查询解决最大在线人数统计问题。关键点在于处理同一时间点的进出记录时，先计算进入再计算离开（通过flag标记实现）。使用窗口函数按文章ID和时间排序，累计求和计算瞬时人数，最终获取每篇文章的最高在线人数并降序排列。该方法准确处理了并发事件的时序问题，适用于用户行为分析场景。

原创 ARP 协议的工作原理？

如果不相同就忽略此数据包；如果相同，该主机首先将发送端的 MAC 地址和 IP 地址添加到自己的 ARP 列表中，如果 ARP 表中已经存在该 IP 的信息，则将其覆盖，然后给源主机发送一个 ARP 响应数据包，告诉对方自己是它需要查找的 MAC 地址。源主机收到这个 ARP 响应数据包后，将得到的目的主机的 IP 地址和 MAC 地址添加到自己的 ARP 列表中，并利用此信息开始数据的传输。当一台主机将一个数据包要发送给目的主机时，检查自己的ARP列表中是否有该 IP 地址对应的 MAC 地址。

原创 SQL55 统计员工薪资扣除比例

文章摘要：该SQL查询用于计算部门'dep1'员工的薪资扣减比例。通过连接salary_tb和staff_tb表，查询结果显示员工ID、姓名及扣减比例（扣减后薪资/正常薪资百分比）。结果按扣减比例降序排列，精确到小数点后一位并以百分比形式呈现。该分析可帮助管理部门了解员工薪资变动情况。

原创 SQL54 统计用户从访问到下单的转化率

文章摘要：该SQL查询分析用户访问与下单转化率。通过创建order_base和visit_base临时查询，分别统计每日用户下单和访问数据。然后计算每日访问用户中产生下单的转化率（CR），结果按日期排序输出。查询使用LEFT JOIN确保未下单用户也被计入分母，通过COALESCE处理NULL值，并使用ROUND函数保留1位小数百分比。最终输出包含日期和转化率两列，转化率格式为百分比形式。

原创 SQL53 查询下订单用户访问次数？

访问日期也要限制在这一天。

原创 SQL52 统计各等级会员用户下订单总额

【代码】SQL52 统计各等级会员用户下订单总额。

原创 SQL51 统计商家不同会员每日访问人次及访问人数

研究分析了用户访问数据与VIP等级的关系。通过关联visit_tb和uservip_tb表，统计了不同VIP等级的用户访问情况。结果显示：1) 总访问人次（不去重）和独立访问用户数（去重）均按VIP等级分组统计；2) 结果按访问总人次降序排列。该分析有助于了解不同VIP等级用户的活跃度差异。

原创 SQL50 查询连续登陆的用户

摘要：SQL查询语句用于查找连续登录3天及以上的用户。通过分析login_tb和register_tb表中的数据，按用户ID和日期差值分组，筛选出满足条件的记录并按用户ID排序。该查询能有效识别用户的连续登录行为，适用于用户活跃度分析场景。

原创 SQL49 统计各岗位员工平均工作时长

需要对函数更深入理解。

原创 SQL48 每个商品的销售总额

该SQL查询分析产品销售数据，按类别统计销售总量并排名。主要功能包括： 从订单表和产品表关联获取产品名称、类别和销售数量 按产品和类别分组汇总销售总量 使用窗口函数对每个类别内的产品按销量降序排名 输出产品名称、销售总量及类别内排名 结果将展示每个类别中最畅销的产品及其销售排名情况。

原创 SQL47 推荐内容准确的用户平均评分

注意推荐表的去重，可能对同一用户多次推荐，并且多次推荐同一个标签（可能是准确的标签）

原创 SQL46 查询培训指定课程的员工信息

【代码】SQL46 查询培训指定课程的员工信息。

原创 SQL45 统计所有课程参加培训人次

这里是hivesql/sparksql。

原创 SQL44 查询连续入住多晚的客户信息？

等价于连续入住多个晚上的客户信息。连续入住多晚的客户信息。

原创 SQL43 获取指定客户每月的消费额

join的时候过滤，那就在on上限制，其实也就是where过滤，效果一样，但执行计划不同。注意下过滤条件的位置，在大数据量下需要注意优化。

原创 SQL42 分析客户逾期情况

【代码】SQL42 分析客户逾期情况。

原创 SQL41 最长连续登录天数

【代码】SQL41 最长连续登录天数。

原创 SQL40 每个月Top3的周杰伦歌曲

给多个表，需要建立行型模型，也就是事实表关联维表，通过维表过滤一些条件。这个题还需要row_number排序，求分组top3。还需要结合最后期望结果的形式，排序。

原创 SQL160 国庆期间每类视频点赞量和转发量

这里先膨胀数据3倍，增加一列时间，国庆的前三天。重要的还是理解题意，根据题意来做。判断播放时间在的范围求指标。要么增加列，再打标来判断。筛选出播放数据在的范围。

原创 SQL159 每个创作者每月的涨粉率及截止当前的总粉丝量

MySQL语法和sparksql语法的区别。时间的处理，date_format。：指定输出的日期格式字符串。难点：累计求和（窗口函数）

原创 SQL158 每类视频近一个月的转发量/率

题目要求：播放记录里面最大日期的最近30天。需要先找出播放记录里面的播放日期。where可以嵌套子查询来过滤。

原创 SQL157 平均播放进度大于60%的视频类别

第二步：先对视频取平均，再对tag取平均。第一步：算每个用户看某视频的播放进度。播放进度需要在明细上先求出，

原创 SQL156 各个视频的平均完播率

简单起见，结束观看时间与开始播放时间的差>=视频时长时，视为完成播放。落在 2021 年作为筛选口径即可（也可按题目需要改为同时约束。重要的是理解题意：求什么，指标口径是什么，需要过滤什么。题意是“有播放记录的每个视频”，所以不需要左连接或补零。视频完播率是指完成播放次数占总播放次数的比例。1、每次播放：判断是否为完播，0和1。就是完播次数 / 播放次数。用 0/1 表示是否完播；2、avg求平均完播。

原创 CC20 分割回文串

【代码】CC20 分割回文串。

原创 CC18 复制无向图

（映射表 + 队列；邻接表由题目节点持有，克隆图本身不算“额外空间”）BFS/DFS 均可，这里用 BFS（迭代更稳，不怕深递归栈）。做“去重 + 访问标记 + 取克隆体”；在给定定义中默认非空（已初始化为。：第一次遇到原节点就创建其克隆体；（每个原节点、每条原边各处理一次）只会克隆“从给定起点可达的。，克隆图会按原样保留；

原创 CC17 加油站

否则唯一解是：从使“当前油箱”从未跌到负数的那一站出发。* 一次扫描，O(n) 时间 / O(1) 空间。* 若总油量 < 总花费，必无解返回 -1；

原创 CC16 分糖果

先从左到右，保证“比左边分多”：若。再从右到左，保证“比右边分多”：若。

原创 CC14 出现一次的数字ii

对 32 位的每一位 i，统计所有数在该位上为 1 的次数。的结果就是只出现一次那个数在该位上的值。，由于其他数都出现三次，

原创 CC15 出现一次的数字

【代码】CC15 出现一次的数字。

原创 高频算法：1011. 在 D 天内送达包裹的能力

这题和“吃香蕉”一样是设船的运力为cap。cap越大，完成所需天数越少（单调）。在区间上二分出。

原创 面试题：875. 爱吃香蕉的珂珂

该问题要求在给定时间h内吃完所有香蕉堆的最小速度k。通过二分查找在1到最大堆香蕉数之间寻找最小可行速度。对于每个候选速度，计算吃完所有堆所需时间，若时间≤h则尝试更小速度，否则增大速度。关键点在于利用二分查找的单调性，以及正确计算每堆所需的上取整时间。算法时间复杂度为O(nlogM)，其中n为堆数，M为最大堆香蕉数。空间复杂度O(1)。

原创 clickhouse：入门

通过在插入时增量计算结果，查询运行在显著较小的数据子集上，使这些视图能够轻松扩展到PB级别级别的数据。查询执行快速且轻量。增量视图支持所有聚合函数，并且可以很好地扩展——甚至达到PB级别的数据——因为每个查询操作于正在插入的数据集的一个小而近期的子集上。在 ClickHouse 中，“低延迟”意味着查询可以在没有延迟的情况下处理，而不需要提前准备答案，正是在用户界面页面加载的同一时刻。当新数据插入到源表时，ClickHouse 会自动将物化视图的查询应用于新的数据块，并将结果写入到单独的目标表中。

原创 计算机网络：简单说下每一层对应的网络协议有哪些？

原创 计算机网络：谈下你对五层网络协议体系结构的理解？

将网络层传输的IP数据报组装成帧，每个帧上包含数据和必要的控制信息（同步信息、地址信息、差错信息）把传输层的报文段或用户数据报封装成分组和包进行传输，分组也叫IP数据报，简称数据报。交换的数据单元是报文，协议有很多，比如DNS，HTTP，SMTP。综合OSI参考模型和TCP/IP五层模型，最终是五层协议的结构体系。传输的是比特，屏蔽掉传输介质和物理设备的差异。复用：多个应用层进行可同时使用下面传输层的服务。分用：传输层把收到的信息分别交给上层的应用层。分为：物理层、数据链路层、网络层、传输层和应用层。

原创 CC7 求二叉树的前序遍历

本文介绍了二叉树前序遍历的非递归实现方法。前序遍历顺序为根节点、左子树、右子树。非递归方法使用栈模拟递归过程：先将根节点入栈，循环弹出栈顶节点并访问，然后依次将右子节点和左子节点入栈（确保左子节点先处理）。这种利用栈后进先出特性的方法，能正确保持前序遍历顺序。文章链接提供了更详细的实现说明。

原创 CC6 二叉树的后序遍历

本文介绍了二叉树后序遍历的递归实现方法。后序遍历顺序为左子树→右子树→根节点。代码通过Java实现，使用深度优先搜索(DFS)递归地遍历左子树和右子树，最后访问根节点并将节点值加入结果列表。时间复杂度为O(n)，空间复杂度为O(h)，其中h为树高，最坏情况下为O(n)。该实现简洁直观，适用于二叉树的后序遍历需求。