第26题 中级题: 活跃时长的均值
1. 需求列表
(1) 在过去一个月内,曾连续两天活跃的用户
(2) 有人想了解在过去一个月中,不同人才级别用户的活跃频次差异
– 什么数据可以说明该问题?请写出原因和您的思考
– 数据对应的sql是什么?
思路分析
(1) 在过去一个月内,曾连续两天活跃的用户
- 找到过去一个月内所有活跃的用户和日期。
- 计算每个用户相邻两天活跃日期之间的时间差。
- 筛选出时间差为1天的用户。
(2) 有人想了解在过去一个月中,不同人才级别用户的活跃频次差异
- 找到过去一个月内所有活跃的用户和日期。
- 按照用户的职业水平分组，计算每组用户的平均活跃天数。
- 比较不同职业水平用户组的平均活跃天数，以了解它们之间的差异。
答案获取
建议你先动脑思考，动手写一写再对照看下答案，如果实在不懂可以点击下方卡片，回复:大厂sql 即可。
参考答案适用HQL，SparkSQL，FlinkSQL，即大数据组件，其他SQL需自行修改。
加技术群讨论
点击下方卡片关注 联系我进群
或者直接私信我进群
附表
表1：maimai.dau
| d | uid | module | active_duration | 列说明 |
| 2020-01-01 | 1 | jobs | 324 | d： 活 跃 的 日 期 uid：用户的唯一编码module：用户活跃模块actre.duration：该模块下对应的活跃时长（单位：s） |
| 2020-01-01 | 2 | feeds | 445 | |
| 2020-01-01 | 3 | im | 345 | |
| 2020-01-02 | 2 | network | 765 | |
| 2020-01-02 | 3 | jobs | 342 | |
| … | … | … | … |
表2：maimai.users
| uid | career_level | city | work_length | 列说明 |
| 1 | 中级人才 | 北京 | 4 | uid：用户的唯一编码career level：人才级别 |
| 2 | 高级人才 | 上海 | 7 | |
| 3 | 初级人才 | 北京 | 1 | city：用户所在城市work_length：用户工作年限 |
| 4 | 普通人才 | 平顶山 | 2 | |
| … | … | … | … |
-- 建表 -- 表1 dau 记录了每日脉脉活跃用户的uid和不同模块的活跃时长 create or replace temporary view dau(d, uid, module, active_duration) as values ('2020-01-01', 1, 'jobs', 324), ('2020-01-01', 2, 'feeds', 445), ('2020-01-01', 3, 'im', 345), ('2020-01-02', 2, 'network', 765), ('2020-01-02', 3, 'jobs', 342); -- 表2 users 脉脉所有用户得一些注册属性 create or replace temporary view users(uid, career_level, city, work_length) as values (1, '中级人才', '北京', 4), (2, '高级人才', '上海', 7), (3, '初级人才', '北京', 1), (4, '普通人才', '平顶山', 2);
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;
