CLKTOY的博客

真实数仓sql面试

真实数仓sql面试题（一）

目录0- 描述1- 问题一0- 描述描述：假设表A为事件流水表，客户当天有一条记录则视为当天活跃。表A： time_id user_id2018-01-01 10:00:00 0012018-01-01 11:03:00 0022018-01-01 13:18:00 0012018-01-02 08:34:00 0042018-01-02 10:08:00 0022018-01-02 10:40:00 0032018-01-02

目录0- 描述1- 问题一0- 描述描述：表t23_1和表t23_2通过a和b关联时，有相等的取相等的值匹配，不相等时每一个a的值在b中找差值最小的来匹配。t23_1和t23_2为两个班的成绩单，t23_1班的每个学生成绩在t23_2班中找出成绩最接近的成绩。表t23_1：a中无重复值a1245810表t23_2：b中无重复值b23711131- 问题一描述：单向最近匹配输出结果如下所示：注意：b的值可能会被丢弃a b1 22 24

目录0- 描述1- 问题一0- 描述描述：表f是事实表，表d是匹配表，在hive中如何将匹配表中的值关联到事实表中？表d相当于拉链过的变化维，但日期范围可能是不全的。表f：date_id p_id 2017 C 2018 B 2019 A 2013 C表d：d_start d_end p_id p_value 2016 2018 A 1 2016 2018 B 2 2008

目录0- 描述1- 问题一2- 问题二0- 描述描述：时间序列–取最新完成状态的前一个状态表名：t21表字段及内容：date_id a b2014 1 A2015 1 B2016 1 A2017 1 B2013 2 A2014 2 B2015 2 A2014 3 A2015 3 A2016 3 B2017 3 A

目录0- 描述1- 问题一0- 描述描述：时间序列–补全数据表名：t20表字段及内容：date_id a b c2014 AB 12 bc2015 23 2016 d2017 BC 1- 问题一描述：如何使用最新数据补全表格输出结果如下所示：date_id a b c2014 AB 12 bc2015 AB 23 bc2016 AB

目录0- 描述1- 问题一0- 描述描述：时间序列–取多个字段最新的值表名：t19表字段及内容：date_id a b c2014 AB 12 bc2015 23 2016 d2017 BC 1- 问题一描述：如何一并取出最新日期输出结果如下所示：date_a a date_b b date_c c2017 BC 2015 23 2016

目录0- 描述1- 问题一0- 描述描述：时间序列–构造连续日期表名：t18表字段及内容：a b c101 2018-01-01 10101 2018-01-03 20101 2018-01-06 40102 2018-01-02 20102 2018-01-04 30102 2018-01-07 601- 问题

目录0- 描述1- 问题一0- 描述描述：时间序列–构造累积日期表名：t17表字段及内容：date_id2017-08-012017-08-022017-08-031- 问题一描述：每一日期，都扩展成月初至当天输出结果如下所示：date_id date_to_day2017-08-01 2017-08-012017-08-02 2017-08-012017-08-02 2017-08-022017-08-03 2017-08-012017-08-03 20

目录0- 描述1- 问题一0- 描述描述：时间序列–构造日期1- 问题一描述：直接使用SQL实现一张日期维度表，包含以下字段：create table if not exists dim_date ( date_id string comment '日期(yyyymmdd)' ,datestr string comment '日期(yyyy-mm-dd)' ,date_name

这里写目录标题0- 描述1- 问题一0- 描述描述：时间序列–进度及剩余表名：t15表字段及内容：date_id is_work2017-07-31 12017-08-01 12017-08-02 12017-08-03 12017-08-04 12017-08-05 02017-08-06 01- 问题一描述：求每天的累计周工作日，剩余周工作日输出结果如下所示：date_id wee

目录0- 描述1- 问题一0- 描述描述：业务逻辑的分类与抽象–时效日期表：d_date表字段及内容：date_id is_work2017-04-13 12017-04-14 12017-04-15 02017-04-16 02017-04-17 1工作日：周一至周五09:30-18:30客户申请表：t14表字段及内容：a b c1 申请 2017-04-14 18:03

目录0- 描述1- 问题一0- 描述描述：抽象分组–断点排序表名：t13表字段及内容：a b2014 12015 12016 12017 02018 02019 -12020 -12021 -12022 12023 11- 问题一描述：断点排序输出结果如下所示：a b c 2014 1 12015 1 22016 1 32017 0 12018 0 22019 -1 1

目录0- 描述1- 问题一0- 描述描述：多容器–转多行表名：t12表字段及内容：a b c001 A/B 1/3/5002 B/C/D 4/51- 问题一描述：转多行输出结果如下所示：a d e001 type_b A001 type_b B001 type_c 1001 type_c 3001 type_c 5002

目录0- 描述1- 问题一0- 描述描述：多容器–成对提取数据表名：t11表字段及内容：a bA/B 1/3B/C/D 4/5/21- 问题一描述：成对提取数据，字段一一对应输出结果如下所示：a bA 1B 3B 4C 5D 2参考答案:select a_inx, b_inxfrom ( select a, b, a_id,

目录0- 描述1- 问题一2- 问题二0- 描述描述：容器–反转内容表名：t10表字段及内容：aAB,CA,BADBD,EA1- 问题一描述：反转逗号分隔的数据：改变顺序，内容不变输出结果如下所示：BAD,CA,ABEA,BD参考答案：select a, concat_ws(",",collect_list(str))from ( select a, str from t10 lateral view explode(split(r

目录0- 描述1- 问题一0- 描述表名：t9表字段及内容：a b c d2014 2016 2014 A2014 2015 2015 B1- 问题一描述：不使用distinct或group by去重输出结果如下所示：2014 A2016 A2014 B2015 B参考答案：select t2.year ,t2.numfrom ( select * ,row_number() over (part

目录0- 描述1- 问题一0- 描述表名：t8表字段及内容：a101101011- 问题一描述：如何将字符’1’的位置提取出来输出结果如下所示:1,3,42,4参考答案：select a, concat_ws(",",collect_list(cast(index as string))) as resfrom ( select a, index+1 as index, chr from (

目录0- 描述1- 问题一2- 问题二0- 描述表名：t7表字段及内容：a b2014 A2014 B2015 B2015 D1- 问题一描述：合并输出结果如下所示：2014 A、B2015 B、D参考答案:select a, concat_ws('、', collect_set(t.b)) bfrom t7group by a;2- 问题二问题描述：将分组合并的结果拆分出来参考答案：select t.a, dfrom(

目录0- 描述1- 问题一2- 问题二3- 问题三4- 问题四5- 问题五0- 描述表名：t6表字段及内容：a3241- 问题一描述：数据扩充输出结果如下所示：a b3 3、2、12 2、14 4、3、2、1参考答案：select t.a, concat_ws('、',collect_set(cast(t.rn as string))) as bfrom( select t6.a, b.rn from t

目录0- 描述0- 描述期望输出结果如下所示：12345...100参考答案：不借助其他任何外表，实现产生连续数值此处给出两种解法，其一：selectid_start+pos as idfrom( select 1 as id_start, 1000000 as id_end) m lateral view posexplode(split(space(id_end-id_start), '')) t as pos, val其二：sele

目录0- 窗口大小控制1- 问题一2- 问题二0- 窗口大小控制表名：t4表字段及内容：a b c2014 A 32014 B 12014 C 22015 A 42015 D 31- 问题一描述：按a分组按b字段排序，对c取前后各一行的和输出结果如下所示：a b sum_c2014 A 12014 B 52014 C 12015 A 32015 D 4参考答案：select a,

目录0- 累计求值1- 问题一2- 问题二3- 问题三4- 问题四0- 累计求值表名：t3表字段及内容：a b c2014 A 32014 B 12014 C 22015 A 42015 D 31- 问题一描述：按a分组按b字段排序，对c累计求和输出结果如下所示：a b sum_c2014 A 32014 B 42014 C 62015 A 42015 D 7参考答案：select

目录0- 描述1- 问题一2- 问题二3- 问题三4- 问题四5- 问题五0- 描述表名：t2表字段及内容：a b c2014 A 32014 B 12014 C 22015 A 42015 D 31- 问题一描述：按a分组取b字段最小时对应的c字段输出结果如下所示：a min_c2014 32015 4参考答案:select a, c as min_cfrom( select a,

目录0- 描述1- 问题一2- 问题二3- 问题三0- 描述描述：表中记录了各年份各部门的平均绩效考核成绩。表名：t1表结构：a -- 年份b -- 部门c -- 绩效得分表内容： a b c2014 B 92015 A 82014 A 102015 B 71- 问题一问题描述：将上述表内容转为如下输出结果所示： a col_A col_B2014 10 92015 8 7参考答案：select a, ma

目录0-面试题1-答案详细解析1.1-自我介绍1.2-到北京工作的医院1.3-SQL题，给一张城市和交易额表，一张城市对应省份表， 取出 省份 总 交易额大于 500 的 省份 的名字1.4-SQL题，基于刚才， 得出 省份 总 交易额 [0,500 ] , [500,1000 ] , [1000,+oo ] 在以下三个区间的 省份 的 数量1.5-SQL题，还是基于刚才， 按从小到大的顺序得出每个城市的累计交易额，可以用窗口1.6-根据分隔符划分字段，可以用正则表达1.7-主要负责的产品1.8-产品的指

统计外电网各个设备的断电次数及断电时长，其中外电网正常状态为0，断电状态为1。统计断电次数，即是外电网的状态从0-1的变化次数。msg_time表示上报消息的时间，一分钟上报一次。数据格式：设备ID - 时间戳 - 外电网状态。类似的有统计开关量的使用次数，使用时长等问题：（1）求断电次数（2）求每次断电后断电时长（断电多久后被恢复，时间为分钟数要求保留一位小数）（3）求每次断电后状态开始时间和结束时间1-数据准备vim