每天一道大厂SQL题【Day05】活跃用户统计

每天一道大厂SQL题【Day05】活跃用户统计

大家好，我是Maynor。相信大家和我一样，都有一个大厂梦，作为一名资深大数据选手，深知SQL重要性，接下来我准备用100天时间，基于大数据岗面试中的经典SQL题，以每日1题的形式，带你过一遍热门SQL题并给出恰如其分的解答。

一路走来，随着问题加深，发现不会的也愈来愈多。但底气着实足了不少，相信不少朋友和我一样，日积月累才是最有效的学习方式！

每日语录

你终于喊我双排了 让我拿我胜率最高的英雄 我一般都不玩嬴政的 因为胜率太高了怕掉 可是为了你我还是选了 你好像很开心给我发了句fw，我懂了 你是想夸夸我说我法王 你真好 我越来越喜欢你了！

image-20230203121454979

第5题：活跃用户统计

需求有日志如下，请写出代码求得所有用户和活跃用户的总数及平均年龄。（活跃用户指连续两天都有访问记录的用户） –日期 用户 年龄 –2019-02-11,test_1,23 –2019-02-11,test_2,19 –2019-02-11,test_3,39 –2019-02-11,test_1,23 –2019-02-11,test_3,39 –2019-02-11,test_1,23 –2019-02-12,test_2,19 –2019-02-13,test_1,23 –2019-02-15,test_2,19 –2019-02-16,test_2,19 –实现？

数据准备

CREATE TABLE test5(
dt string, user_id string, age int)
ROW format delimited fields terminated BY ',';
INSERT INTO TABLE test_sql.test5 VALUES ('2019-02-11','test_1',23);
INSERT INTO TABLE test_sql.test5 VALUES ('2019-02-11','test_2',19); 
INSERT INTO TABLE test_sql.test5 VALUES ('2019-02-11','test_3',39); 
INSERT INTO TABLE test_sql.test5 VALUES ('2019-02-11','test_1',23); 
INSERT INTO TABLE test_sql.test5 VALUES ('2019-02-11','test_3',39);
INSERT INTO TABLE test_sql.test5 VALUES ('2019-02-11','test_1',23); 
INSERT INTO TABLE test_sql.test5 VALUES ('2019-02-12','test_2',19); 
INSERT INTO TABLE test_sql.test5 VALUES ('2019-02-13','test_1',23);
INSERT INTO TABLE test_sql.test5 VALUES ('2019-02-15','test_2',19);
INSERT INTO TABLE test_sql.test5 VALUES ('2019-02-16','test_2',19);

思路分析

思路一:

1. 先通过 SELECT 语句将日志中所有用户的信息提取出来。
2. 创建一个临时表，将提取出来的数据存储到临时表中。
3. 通过 DISTINCT 关键字去重，求出用户总数。
4. 再通过在临时表中按用户分组，判断每个用户在连续两天内是否有访问记录，通过 COUNT 函数统计每组用户的数量。
5. 通过 HAVING 关键字筛选出活跃用户，求出活跃用户总数。
6. 最后，通过 AVG 函数求出所有用户和活跃用户的平均年龄。

思路二:

1. 先使用内部查询对数据表test_sql.test5进行处理，将每个用户的最高年龄以及与当前日期的天数差统计出来。
2. 继续使用内部查询，对每个用户从多个日期获得的年龄的最大值进行排序，并使用row_number()函数进行编号。
3. 对于每个用户的每个年龄最大值，查询该用户在该天数差内的数据条数，如果该用户在该天数差内有不小于2条数据，则该用户被视为在两天内多次访问，并且统计其平均年龄。
4. 通过另一个内部查询统计每个用户的最高年龄，然后统计每个用户的平均年龄和总人数。
5. 将第3和第4步的结果合并在一起，最终得到统计结果，包括总人数、总人数的平均年龄、两天内多次访问的人数以及这些人的平均年龄。

答案获取

建议你先动脑思考，动手写一写再对照看下答案 参考答案适用HQL，SparkSQL，FlinkSQL，即大数据组件，其他SQL需自行修改。

文末SQL小技巧

提高SQL功底的思路。 1、造数据。因为有数据支撑，会方便我们根据数据结果去不断调整SQL的写法。 造数据语法既可以create table再insert into，也可以用下面的create temporary view xx as values语句，更简单。 其中create temporary view xx as values语句，SparkSQL语法支持，hive不支持。 2、先将结果表画出来，包括结果字段名有哪些，数据量也画几条。这是分析他要什么。 从源表到结果表，一路可能要走多个步骤，其实就是可能需要多个子查询，过程多就用with as来重构提高可读性。 3、要由简单过度到复杂，不要一下子就写一个很复杂的。 先写简单的select * from table…,每个中间步骤都执行打印结果，看是否符合预期， 根据中间结果，进一步调整修饰SQL语句，再执行，直到接近结果表。 4、数据量要小，工具要快，如果用hive，就设置set hive.exec.mode.local.auto=true;如果是SparkSQL，就设置合适的shuffle并行度，set spark.sql.shuffle.partitions=4;

后记

📢博客主页：https://manor.blog.csdn.net 📢本文由 Maynor 原创，首发于 CSDN博客🙉 📢不能老盯着手机屏幕，要不时地抬起头，看看老板的位置⭐ 📢专栏持续更新,欢迎订阅：https://blog.csdn.net/xianyu120/category_12182595.html