大数据最新每天一道大厂SQL题【Day05】活跃用户统计_求用户活跃数的题目(1)，2024年最新下血本买的

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

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，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`


#### 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.youkuaiyun.com>


📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正！  
 📢本文由 Maynor 原创，首发于 优快云博客🙉  
 📢不能老盯着手机屏幕，要不时地抬起头，看看老板的位置⭐  


![img](https://img-blog.csdnimg.cn/img_convert/cd88e17e85a7fca0b60675f5447d6aea.png)
![img](https://img-blog.csdnimg.cn/img_convert/c480fc82338c1551a64fb3a55b49a328.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.youkuaiyun.com/topics/618545628)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

*一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**