昨天群上有人發(fā)個(gè)阿里的面試題，題目描述大概如下：
數(shù)據(jù)源：用戶(hù)登錄表，只有倆個(gè)字段，uid和dt
試用HQL抽取出連續(xù)登錄了K天的用戶(hù)uid
第一個(gè)想法就是直接用一個(gè)UDF解決，按uid分組，把dt收集起來(lái)然后在UDF里面判斷是否滿足條件
SELECT
uid,
isExist(collect_set(dt), k) flag
FROM
table_name
GROUP
BY
uid
HAVING
flag
=
1
;
其中isExist的邏輯是判斷collect_set中是否存在k個(gè)連續(xù)的值
這種方法簡(jiǎn)單明了，但是需要額外的寫(xiě)一個(gè)UDF，對(duì)于不懂JAVA的來(lái)說(shuō)確實(shí)比較麻煩
?
今天群里有個(gè)神人給出了一種新的解決思路，十分完美的解決了，下面是具體代碼
SELECT
uid,
MAX
(dt)
-
MIN
(dt) diff, COLLECT_set (dt)
FROM
(
SELECT
a.uid, a.dt, dt
-
rn num
FROM
(
SELECT
uid, dt, row_number ()
over
(PARTITION
BY
uid
ORDER
BY
dt) rn
FROM
table_name
GROUP
BY
uid, dt) a) a
GROUP
BY
uid, num
該思路首先利用窗口函數(shù)以u(píng)id分組然后按照dt排序給出每個(gè)dt在排序中的位置，然后用求出dt與位置的差（記為num)
最后按照uid和num做一個(gè)聚合，容易發(fā)現(xiàn)同一個(gè)num組內(nèi)的dt是連續(xù)的值
然后直接計(jì)數(shù)(count(*))就可以得出結(jié)果了
上面的代碼只是為了更加方便看到輸出的結(jié)果正確性，輸出結(jié)果如下：
UID DIFF DT_ARRAY
1043736
3.0
｛
20140815
20140814
20140813
20140812
｝
1043736
0.0
｛
20140818
｝
1043736
1.0
｛
20140821
20140820
｝
1043844
0.0
｛
20140814
｝
1044090
1.0
｛
20140812
20140811
｝
1044090
2.0
｛
20140816
20140815
20140817
｝
1044090
0.0
｛
20140821
｝
1044264
0.0
｛
20140810
｝
1044264
3.0
｛
20140815
20140814
20140813
20140812
｝
1044264
5.0
｛
20140821
20140820
20140822
20140819
20140817
20140818
｝
結(jié)果中uid =?1043736 的一共登錄了7天，其中可以拆分成三個(gè)連續(xù)的登錄模塊，分別是連續(xù)登錄1天、2天和4天
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號(hào)聯(lián)系： 360901061
您的支持是博主寫(xiě)作最大的動(dòng)力，如果您喜歡我的文章，感覺(jué)我的文章對(duì)您有幫助，請(qǐng)用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點(diǎn)擊下面給點(diǎn)支持吧，站長(zhǎng)非常感激您！手機(jī)微信長(zhǎng)按不能支付解決辦法：請(qǐng)將微信支付二維碼保存到相冊(cè)，切換到微信，然后點(diǎn)擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對(duì)您有幫助就好】元
