大数据HiveSql面试题

1.面试题汇总

1.1 连续登陆3天 以上的用户（字节面试题）

INSERT INTO t1 (id,dt) VALUES
	 (1,'2019-01-01 00:00:00'),
	 (1,'2019-01-02 00:00:00'),
	 (1,'2019-01-03 00:00:00'),
	 (3,'2019-03-07 00:00:00'),
	 (2,'2019-02-01 00:00:00'),
	 (2,'2019-02-02 00:00:00'),
	 (3,'2019-03-04 00:00:00'),
	 (3,'2019-03-05 00:00:00'),
	 (3,'2019-03-06 00:00:00');

解析思路：第二步使用row_number()函数与日期做减法

select id,date2,count(*) as day_cnt from
(
select id,date1,date_add(date1,-row_number() over(partition by id order by date1)) as date2 from
(
select id,substr(dt,1,10) date1
from t1
group by id,substr(dt,1,10)
) a
) b
group by id,date2
having count(*) > 3;

1.2 用户连续登陆的最大天数（字节面试题）

select id,max(day_cnt) max_day_cnt from
(
select id,date2,count(*) as day_cnt from
(
select id,date1,date_add(date1,-row_number() over(partition by id order by date1)) as date2 from
(
select id,substr(dt,1,10) date1
from t1
group by id,substr(dt,1,10)
) a
) b
group by id,date2
) c
group by id;

解析思路：在1.1解题思路的基础上使用Max函数即可

总结:"连续-类题"解题思路 row_number()函数减一下，再分组count

1.3 计算每个用户最打的连续登陆天数，可以间隔一天

分析：求每个用户最大的连续登陆天数，断一天还算连续登录（两个日期的差小于或等于 2 ）。 比如 11-06 号登录，最近的下一次登录是 01-08 号，两个日期的差等于 2 天，因此这两个日期之间的天数都算作连续天数，一共 3 天。

准备数据：

//创建测试表test_login
create table if not exists test_login(
    user_id string,
    login_date string) 
row format delimited fields terminated by '\t'; 


//装载数据
//load data local inpath '/opt/module/data/test1_login.txt' into table test_login;

INSERT INTO test_login (user_id,login_date) VALUES
	 (1001,'2021-11-05'),
	 (1001,'2021-11-06'),
	 (1001,'2021-11-08'),
	 (1001,'2021-11-10'),
	 (1001,'2021-11-15'),
	 (1001,'2021-11-16'),
	 (1001,'2021-11-18'),
	 (1001,'2021-11-19'),
     (1002,'2021-11-05'),
	 (1002,'2021-11-07'),
	 (1002,'2021-11-09'),
	 (1002,'2021-11-11'),
	 (1002,'2021-11-13'),
	 (1002,'2021-11-16');

解题思路：

1.相邻两次登录日期差值小于等于2即为同一连续登录组
2.相邻两次登录日期差值大于2更换连续登录组（相邻两个连续登录组的分隔条件为分隔位置登录日期差值大于2）
3.连续登录日期组最大日期-最小日期差值加1即为连续登录天数

代码展示：

SELECT user_id,max(continuous_login_days) max_continuous_login_days from
(
select user_id,flag,
datediff(max(login_date),min(login_date))+1 as continuous_login_days
from
(
SELECT user_id ,cast(login_date as Date) as login_date,SUM(if(datediff(login_date,last) <= 2,0,1)) 
over(partition by user_id order by login_date) flag
from
(
select
     user_id,
     login_date,
     lag(login_date, 1, '1970-01-01')
     over (partition by user_id order by login_date) last
from
     test_login
     -- 此处我们使用lag窗口函数，开窗查询前一行数据，注意每个用户的第一条登陆信息上一天为null，这里我们给1970-01-01，防止空指针异常。
)aa
)bb
group by user_id,flag
)cc
group by user_id
;