如何统计连续（连续登陆天数，连续学习天数，连续购买天数）

直接来看实战，现在有一张表t，这张表存储了每个员工每天的打卡情况，现在需要统计截止目前每个员工的连续打卡天数，表t如下表所示：

uid    tdate    is_flag
1    2020/2/1    1
1    2020/2/2    0
1    2020/2/3    1
1    2020/2/4    1
1    2020/2/5    0
1    2020/2/6    1
1    2020/2/7    1
1    2020/2/8    1
2    2020/2/1    1
2    2020/2/2    0
2    2020/2/3    0
2    2020/2/4    1
2    2020/2/5    1
2    2020/2/6    1
2    2020/2/7    1
2    2020/2/8    1
上表中uid是用户id，tdate是日期，is_flag是记录用户当天是否打卡，1为打卡，0为未打卡。

create table dk(
uid int,tdate string,is_flag int 
)
row format delimited fields terminated by '\t'
stored as textfile
;

load data local inpath '/opt/module/data/dk.txt' into table dk;

我们希望得到的结果为：

uid    flag_days
1    3
2    5
这个逻辑还是挺难想的，第一个想法就是通过前后数据偏移来实现，就是将is_flag向前移动一行或者向后移动一行，然后和原来的is_flag标签做差，如果结果为0，说明前后两天的值是相同的，要么都是0，要么都是1。但是还是不能够得出我们想要的结果。

再换一种思路：如果是连续打卡，那么打卡日期与一个递增的数字依次做差的结果值应该是相等的，不理解这句话没关系，看具体结果你就明白了。

我们先获取每个用户在这一段时间内所有打卡的排名，是所有打卡的排名哦，利用的是窗口函数的row_number()，代码如下：

select  
    uid
    ,tdate
    ,row_number() over(partition by uid order by tdate) date_rank
from
    dk
where is_flag=1;
运行上面的代码，可以得到如下结果：

uid    tdate    date_rank
1    2020/2/1    1
1    2020/2/3    2
1    2020/2/4    3
1    2020/2/6    4
1    2020/2/7    5
1    2020/2/8    6
2    2020/2/1    1
2    2020/2/4    2
2    2020/2/5    3
2    2020/2/6    4
2    2020/2/7    5
2    2020/2/8    6
接着再获取每个打卡日期(tdate)中的日与其打卡日期排名(date_rank)之间的差，比如uid=1的2020/2/3的打卡日期中的3号与其排名(date_rank)2做差等于1，实现代码如下：

select 
    uid
    ,tdate
    ,date_rank
    ,(day(date_format(regexp_replace(tdate,'/','-'),"yyyy-MM-dd")) - date_rank) as day_cha
from 
    (
    select  
        uid
        ,tdate
        ,row_number() over(partition by uid order by tdate) date_rank
    from
        dk
    where is_flag=1
    )t1;
运行上面的代码，最后可以得到如下结果：

uid    tdate    date_rank    day_cha
1    2020/2/1    1    0
1    2020/2/3    2    1
1    2020/2/4    3    1
1    2020/2/6    4    2
1    2020/2/7    5    2
1    2020/2/8    6    2
2    2020/2/1    1    0
2    2020/2/4    2    2
2    2020/2/5    3    2
2    2020/2/6    4    2
2    2020/2/7    5    2
2    2020/2/8    6    2
看上面的结果表，有没有看出点意思来，连续打卡日期的day_cha都是相等的，比如uid=1的2020/2/3和2020/2/4是连续的，他们的day_cha都是1。到这里，如果我们要获取连续打卡天数是不是就很容易了。

不过这里面还有一个问题，就是连续打卡天数是截止目前最近的一个 连续打卡天数还是历史坚持最长的打卡天数，这就是传说中的口径问题哈。虽然在我们这个例子里面，这两种打卡天数的出来的结果是一样的，但是有的时候会是不一样的，比如下面这样的例子：

uid    tdate    is_flag
1    2020/2/1    1
1    2020/2/2    0
1    2020/2/3    1
1    2020/2/4    1
1    2020/2/5    1
1    2020/2/6    0
1    2020/2/7    1
1    2020/2/8    1
上面这个例子中，最近连续打卡天数是2，历史最长的连续打卡天数却是3。

好了，我们继续回到解题上，我们先获取每个用户历史所有连续过得的打卡情况，实现代码如下：

select 
    uid
    ,day_cha
    ,count(tdate) flag_days
from 
    (select 
    uid
    ,tdate
    ,date_rank
    ,(day(date_format(regexp_replace(tdate,'/','-'),"yyyy-MM-dd")) - date_rank) as day_cha
from 
    (
    select  
        uid
        ,tdate
        ,row_number() over(partition by uid order by tdate) date_rank
    from
        dk
    where is_flag=1
    )t1
    )t2
group by 
    uid
    ,day_cha;

运行上面的代码，得到如下结果：

uid    day_cha    flag_days
1    0    1
1    1    2
1    2    3
2    0    1
2    2    5
要获取最近的连续打卡天数，我们只需要把上表中day_cha这一列最大的值对应的flag_days取出来就可以；要获取历史最久的连续打卡天数，我们只需要把上表中flag_days的最大值取出来就可以。直接再来个子查询就好了。

类似的需求可能还有获取过去连续打卡天数大于某个值得人，只需要筛选上表中的flag_days即可达到目的。只要能够生成上面这样每个人历史所有连续打卡的情况表，那么大部分连续打卡相关的需求都可以通过上表来获得。