阿里笔试sql

1.假定你当前有两张淘宝交易订单表order和sub_oder,存储于hive环境，其表结构信息如下，一个订单ID下可能多个子订单，一个子订单代表一个买家在一个卖家购买的一种商品，可能购买多件，整个支付金额是在主订单上。
  create  table  order（
    order_id                    bigint  --订单ID
  ,sub_order_id      bigint  --子订单ID
    ,seller_id      bigint  --卖家ID
    ,buyer_id      bigint  --买家ID
    ,pay_time      string  --支付时间
    ,pay_amt      double  --实际支付金额（元）
    ,adjust_amt      double  --主订单优惠券金额（元）  
                ）
  create  table  sub_order  （
    order_id                    bigint  --订单ID
    ,sub_order_id      bigint  --子订单ID
    ,product_id      bigint  --商品ID
    ,price        double  --商品价格（元）
    ,quantity      bigint  --购买商品数量
                ）
现在需要你设计和开发一段数据处理逻辑SQL实现，将实际支付金额基于每个子订单的（商品价格*购买数量）占总的订单的（商品价格*购买数量）比例进行拆分，获得每个子订单分摊实际支付金额，并输出表结构如下：
  create  table  order（
    order_id      bigint  --订单ID
    ,sub_order_id      bigint  --子订单ID
    ,seller_id      bigint  --卖家ID
    ,buyer_id      bigint  --买家ID
    ,product_id      bigint  --商品ID
    ,pay_time      string  --支付时间
    ,price        double  --商品价格（元）
    ,quantity      bigint  --购买商品数量
    ,sub_pay_amt    double  --子订单分摊实际支付金额（元）
                ）
请注意几个要求：
1）拆分后金额精确到小数点两位；
2）拆分后的汇总金额要与拆分前完全一致；
3）拆分的金额保持，每次程序重新运行计算的结果是一致的；
4）如有业务理解有异议的，你可以进行一定假设，在代码注释中标明；

第一题：

方法：实际支付金额+优惠金额=所有订单的实际金额，计算出每个订单总金额在父订单所有订单的实际金额的比例*实际支付金额，就是每个子订单分摊的金额。
,考虑到数据量大的情况，pay_amt 乘以分摊的比例price*quantity*1.0/(pay_amt+adjust_amt) 结果保留两位小数相加后的金额可能与原来的数据不一样。
需要做数据校验，是否存在差额，如果存在差距，用差额再乘以订单金额占比然后分摊到每一个子订单上，减去差额的分摊。

示例：
步骤一：临时表 计算初步订单金额占比、分摊金额
create TABLE as `order_test`
select
order.order_id  
,sub_order.sub_order_id 
,order.seller_id 
,order.buyer_id 
,sub_order.product_id   
,order.pay_time 
,sub_order.price       
,sub_order.quantity 
,order.pay_amt
-- 订单金额占比
,price*quantity*1.0/(pay_amt+adjust_amt)  amt_ratio
-- 支付金额*订单占比 = 分摊金额   
,cast(pay_amt* (price*quantity*1.0/(pay_amt+adjust_amt) ) as decimal(10,2) ) sub_pay_amt
from
(
  select
  101 as order_id,
  2000 as seller_id,
  300 as buyer_id,
  '20200224' as pay_time,
  1059.40 as pay_amt,
  150.00 as adjust_amt
) order
left outer join 
(
  select
  101 as order_id,
  10101 as sub_order_id,
  1000 as product_id ,
  200.50 as price,
   2 as quantity
   
   union all 
   select
  101 as order_id,
  10102 as sub_order_id,
  1001 as product_id ,
  400.40 as price,
  1 as quantity

   union all 
   select
  101 as order_id,
  10102 as sub_order_id,
  1002 as product_id ,
  102.00 as price,
  4 as quantity
) sub_order
-- 假设每个order和sub_order为订单粒度,并且两张表的计算日期分区和下单时间分区是同一天
on order.order_id=sub_order.order_id

步骤二：数据校验示例代码
create TABLE as `order`
select 
 a.order_id  
,a.sub_order_id 
,a.seller_id 
,a.buyer_id 
,a.product_id   
,a.pay_time 
,a.price       
,a.quantity 
-- 如果存在误差则减去差额占比
,cast(a.sub_pay_amt-b.diff_pay_amt*a.amt_ratio  as decimal(10,2) )  as sub_pay_amt

from order_test a
left outer join 
(
  --父订单数据校验算出差距金额
  select 
  order_id
  ,case when abs(sub_pay_amt - pay_amt) > 0 then sub_pay_amt- pay_amt else 0 end diff_pay_amt
  from 
  (
    select
    order_id 
    ,max(pay_amt)      pay_amt
    ,sum(sub_pay_amt)  sub_pay_amt
    from order_test 
    group by 1
  ) a
) b
on a.order_id=b.order_id

第二题：

方法1：把id按照打卡日期分组升序排序得到日期对应排序值date_rank，id对应的打卡日期check_in_date和date_rank之间，
如果日期是连续的则差值一样，做差值得到每个员工不同连续日期之间的标记diff，根据id对diff做聚合找出最大值即是最长时间。

示例如下：
select
id,max(continue_num) max_continue_num
from
(   select
    diff,id,sum(1) continue_num
    from
    (
    select
     id,date_to_num-date_rank  as diff
    from(
            select
            emp_id as id,check_in_date as dt
            ,cast(regexp_replace(check_in_date,'-','') as bigint) date_to_num
            ,row_number() over(partition by emp_id order by check_in_date ) date_rank
            from
            (
              select 1 as emp_id , '2019-01-01' as check_in_date union all 
              select 1 as emp_id , '2019-01-02' as check_in_date union all 
              select 1 as emp_id , '2019-01-12' as check_in_date union all 
              select 1 as emp_id , '2019-01-13' as check_in_date union all 
              select 1 as emp_id , '2019-01-14' as check_in_date union all 
              select 1 as emp_id , '2019-01-15' as check_in_date union all 
              select 2 as emp_id , '2019-01-01' as check_in_date union all 
              select 2 as emp_id , '2019-01-03' as check_in_date union all 
              select 2 as emp_id , '2019-01-04' as check_in_date union all 
              select 2 as emp_id , '2019-01-05' as check_in_date
            ) a
        ) a
    ) b
    group by 1,2
) c
group by 1

思考：本方法适合对周期为一个月连续打卡最长的时间记录，若统计时间超过一个月需要选择另外的日期排序参照物。

方法2：主要思路：还是对每个id按时间排序，然后运用函数LAG(check_in_date,n,null)统计窗口内往上第n行值lag_n_date,如果连续打卡n天则check_in_date与lag_n_date的差值就是n

后续

在第一题中能否用一个SQL解决求分摊值及分摊后不相等问题？

思路： 当一个父订单存在N个商品需要参与分摊时（N大于或等于2），按小计数值从小到大排列，其中前N-1个项目或商品按比例分摊，第N个通过总计减去前N-1个之和。

create TABLE as `order`
select
 order_id  
,sub_order_id 
,seller_id 
,buyer_id 
,product_id   
,pay_time 
,price       
,quantity 
,pay_amt
-- 第n个按照分摊pay_amt-sub_pay_amt
,case when sub_order_num-sub_order_rank>0 then sub_pay_amt 
      else cast(pay_amt- n_1_sum as decimal(10,2)) end sub_pay_amt            
from
(
   select
   order_id  
  ,sub_order_id 
  ,seller_id 
  ,buyer_id 
  ,product_id   
  ,pay_time 
  ,price       
  ,quantity 
  ,pay_amt
  -- 订单金额占比
  ,amt_ratio
  -- 子订单金额降序排序
  ,sub_order_rank
  ,sub_pay_amt            
  -- 前n-1个计算求和
  ,sum(sub_pay_amt) over(partition by order_id )  n_1_sum
  ,sub_order_num
  from
  (
    select
     order_id  
    ,sub_order_id 
    ,seller_id 
    ,buyer_id 
    ,product_id   
    ,pay_time 
    ,price       
    ,quantity 
    ,pay_amt
    -- 订单金额占比
    ,amt_ratio
    -- 子订单金额降序排序
    ,sub_order_rank
    -- 前n-1个按照分摊比例计算
    ,case when sub_order_num-sub_order_rank>0 then cast(pay_amt* (price*quantity*1.0/(pay_amt+adjust_amt) ) as decimal(10,2) ) 
          else 0 end sub_pay_amt        
    ,sub_order_num

    from
    ( 
        select
        order.order_id  
        ,sub_order.sub_order_id 
        ,order.seller_id 
        ,order.buyer_id 
        ,sub_order.product_id   
        ,order.pay_time 
        ,sub_order.price       
        ,sub_order.quantity 
        ,order.pay_amt
        ,adjust_amt
        -- 订单金额占比
        ,price*quantity*1.0/(pay_amt+adjust_amt)  amt_ratio
        -- 子订单金额降序排序
        ,row_number() over(partition by order.order_id order by price*quantity desc) sub_order_rank
        -- 子订单数
        ,c.sub_order_num           
        -- 支付金额*订单占比 = 分摊金额   
        --,cast(pay_amt* (price*quantity*1.0/(pay_amt+adjust_amt) ) as decimal(10,2) ) sub_pay_amt

        from
        (
          select
          101 as order_id,
          2000 as seller_id,
          300 as buyer_id,
          '20200224' as pay_time,
          1059.40 as pay_amt,
          150.00 as adjust_amt
        ) order
        left outer join 
        (
          select
          101 as order_id,
          10101 as sub_order_id,
          1000 as product_id ,
          200.50 as price,
           2 as quantity
           
           union all 
           select
          101 as order_id,
          10102 as sub_order_id,
          1001 as product_id ,
          400.40 as price,
          1 as quantity

           union all 
           select
          101 as order_id,
          10102 as sub_order_id,
          1002 as product_id ,
          102.00 as price,
          4 as quantity
        ) sub_order
        -- 假设每个order和sub_order为订单粒度,并且两张表的计算日期分区和下单时间分区是同一天
        on order.order_id=sub_order.order_id
        -- 子订单数
        left outer join 
        (
            select order_id
            ,count(distinct sub_order_id) sub_order_num
            from 
            (
              select
              101 as order_id,
              10101 as sub_order_id,
              1000 as product_id ,
              200.50 as price,
               2 as quantity
               
               union all 
               select
              101 as order_id,
              10102 as sub_order_id,
              1001 as product_id ,
              400.40 as price,
              1 as quantity

               union all 
               select
              101 as order_id,
              10103 as sub_order_id,
              1002 as product_id ,
              102.00 as price,
              4 as quantity
            ) a
            group by 1
        ) c
        on order.order_id=c.order_id
    ) a
  ) b

) c