hiveSql 百度面试题-连续签到领金币

SQL面试题:连续登录获取奖励 【代码】SQL面试题:连续登录获取奖励。 阅读详情

hiveSql 百度面试题-连续签到领金币

需求

用户在文章页可以每天签到,签到按照某种规则可获取金币,需统计每个用户每月获取金币数。

有用户签到明细表:

CREATE TABLE tmp_tb_user_log (
    uid INT COMMENT '用户ID',
    artical_id INT COMMENT '视频ID',
    in_time string COMMENT '进入时间',
    out_time string COMMENT '离开时间',
    sign_in int COMMENT '是否签到1是0否'
)

记录用户进入签到页,点击签到按钮后退出log数据。
部分表数据明细如下:

uidartical_idin_timeout_timesign_in
102022-07-07 10:00:002022-07-07 10:00:091
102022-07-08 10:00:002022-07-08 10:00:091
102022-07-09 10:00:002022-07-09 10:00:421
102022-07-10 10:00:002022-07-10 10:00:091
102022-07-11 23:59:552022-07-11 23:59:591
102022-07-12 10:00:282022-07-12 10:00:501
102022-07-13 10:00:282022-07-13 10:00:501
102022-07-14 11:00:282022-07-14 11:00:501
102022-07-15 11:59:282022-07-16 00:01:201

领取金币规则:

(1)只要用户签到就能获取一枚金币
(2)连续签到第三天和第七天分别可以在每天一枚的基础上额外再获取2枚和6金币
(3)连续签到7天后进行重置,按照规则(1)和(2)进行新一轮领币
(4)用户进入时间和离开时间如果跨天 按照进入时间计算打卡时间

上述举例明细中,用户id:1在2022-07-07到2022-07-15号连续签到,按照上述金币规则,每天的获取金币数据如下:

uidartical_idin_timeout_timesign_incoin
102022-07-07 10:00:002022-07-07 10:00:0911
102022-07-08 10:00:002022-07-08 10:00:0911
102022-07-09 10:00:002022-07-09 10:00:4213
102022-07-10 10:00:002022-07-10 10:00:0911
102022-07-11 23:59:552022-07-11 23:59:5911
102022-07-12 10:00:282022-07-12 10:00:5011
102022-07-13 10:00:282022-07-13 10:00:5017
102022-07-14 11:00:282022-07-14 11:00:5011
102022-07-15 11:59:282022-07-16 00:01:2011

用户id:1在2022-07-09是连续签到3天获得3金币,在2022-07-13连续签到7天,获得7金币。7月份共获得17金币。

分析

逆反思想思考,想要获取以上结果,得知道每个用户的有效签到连续日期分组,同一个用户可能有多个连续签到数据段,在每个数据段内需要row_number() 标行号,按照需求的金币规则计算每个连续签到数据段内的获取金币数。

  • 1.如果我们已经有如下数据:
uidartical_idin_timeout_timesign_inrank
102022-07-07 10:00:002022-07-07 10:00:0911
102022-07-08 10:00:002022-07-08 10:00:0912
102022-07-09 10:00:002022-07-09 10:00:4213
102022-07-10 10:00:002022-07-10 10:00:0914
102022-07-11 23:59:552022-07-11 23:59:5915
102022-07-12 10:00:282022-07-12 10:00:5016
102022-07-13 10:00:282022-07-13 10:00:5017
102022-07-14 11:00:282022-07-14 11:00:5018
102022-07-15 11:59:282022-07-16 00:01:2019

rank是每个用户每个连续签到数据段内按照in_time升序序号,如果有了这个序号,用这个序号对7取余后,处理余数为3和0(7天的整数,即每一个连续7天),其余都是1金币。就可以算出每个用户每天的获取金币数。

  • 2.如果想要得到步骤1的数据,前提是先将每个用户每次的联系签到日期分到同一组中,这里很容易想到利用重分组思想,在用户每次签到相对于前一天变化的日期数据处标记数据为1,连续签到数据标记为0,再sum() over() 按照签到时间累加,即将每个用户每次联系签到数据分到同一组。可见举例数据:

假设有数据如下:

uidartical_idin_timeout_timesign_in
102022-07-07 10:00:002022-07-07 10:00:091
102022-07-08 10:00:002022-07-08 10:00:091
102022-07-09 10:00:002022-07-09 10:00:421
102022-07-10 10:00:002022-07-10 10:00:090
102022-07-11 23:59:552022-07-11 23:59:591
102022-07-13 10:00:282022-07-13 10:00:501
102022-07-14 11:00:282022-07-14 11:00:501

用户在2022-07-10号进入签到页了 ,但是没有签到(sign_in为0),在2022-07-13直接没有来,即该用户应该有3段连续签到数据段。
分别是7号到9号,11号 和 13号到14号。分组应该是这样:

uidartical_idin_timeout_timesign_ingroup_name
102022-07-07 10:00:002022-07-07 10:00:0910
102022-07-08 10:00:002022-07-08 10:00:0910
102022-07-09 10:00:002022-07-09 10:00:4210
102022-07-10 10:00:002022-07-10 10:00:0901
102022-07-11 23:59:552022-07-11 23:59:5912
102022-07-13 10:00:282022-07-13 10:00:5013
102022-07-14 11:00:282022-07-14 11:00:5013

可以看到group_name字段一共有0到3 四个分组,但是组号1是没有签到的。如何实现这种分组?

  • 3.实现重分组,将每个用户的每段连续签到日期分到同一组。
    构造每次签到相对于前一天变化的日期数据标记为1,连续日期标记为0,再sum() over()开窗累加即可。可见数据:
uidartical_idin_timeout_timesign_insum_over
102022-07-07 10:00:002022-07-07 10:00:0910
102022-07-08 10:00:002022-07-08 10:00:0910
102022-07-09 10:00:002022-07-09 10:00:4210
102022-07-10 10:00:002022-07-10 10:00:0901
102022-07-11 23:59:552022-07-11 23:59:5911
102022-07-13 10:00:282022-07-13 10:00:5011
102022-07-14 11:00:282022-07-14 11:00:5010

sum_over字段:

  • 2022-07-10号相对于2022-07-09号是变化的(sign_in变为0),标记为1;

  • 2022-07-11号相对于2022-07-10号是变化的(sign_in变为1),标记为1;

  • 2022-07-13号相对于2022-07-11号是变化的(日期不连续),标记为1;
    有sum_over字段,sum(sum_over) over(partition by uid order by in_time) 即得到步骤1中的group_name。
    那构造sum_over需要注意什么?再往上一步想。

  • 4.这一步就是具体的分析什么是相对于前一条数据是否变化
    首先要明确,断签的条件有两个:
    1、没来,数据表现为没有当天数据
    2、来了没签到,数据表现为有当天数据,但是sign_in是0
    所以要标注这两个条件以明确步骤3中的sum_over到底应该是1还是0

相对于前一条数据,很容易想到开窗函数lead() over() 或者 lag() over()。不清楚这两个开窗函数用法的同学可以查看俺写的另一篇介绍开窗函数的文章开窗函数,很nice的。

if(datediff(cast(in_time as datetime), cast(lag(in_time,1,in_time) over(partition by uid order by in_time) as datetime),'dd') > 1, 1, 0) as flag_days,
if(lag(sign_in,1,sign_in) over(partition by uid order by in_time) != sign_in, 1, 0) as sign_flag

flag_days:当前行减去上一行日期取天数差,如果差值大于1 ,标记为1,否则标记为0。这里理解为当前数据相对于上一条数据是连续日期为0,否则为1
sign_flag:当前行sign_in与上一行sign_in不一样则标记为1,否则标记为0。这里理解为从签到到未签到 和 从未签到到签到都被标记为1,其他标记为0。

有了上述flag_days 和 sign_flag。步骤3中的sum_over,很容易理解是当flag_days 和sign_flag都是0则sum_over标记为0,否则是1,怎么理解?
flag_days = 0 :当前行与上一行日期连续
sign_flag = 0 :当前行与上一行sign_in值没有变化(这里先不管是不是签到了,等于1,因为连续的没签到也是单独分为一组,不会和签到的分到同一组)
所以有变化的数据行(日期断连 或者 sign_in变化)被标记为1,其他为0。得到sum_over。

实现

1、准备数据


DROP TABLE IF EXISTS tmp_tb_user_log;
CREATE TABLE tmp_tb_user_log (
    uid INT COMMENT '用户ID',
    artical_id INT COMMENT '视频ID',
    in_time string COMMENT '进入时间',
    out_time string COMMENT '离开时间',
    sign_in int COMMENT '是否签到'
) lifecycle 3;
 
INSERT INTO tmp_tb_user_log(uid, artical_id, in_time, out_time, sign_in) VALUES
  (1, 0, '2022-07-07 10:00:00', '2022-07-07 10:00:09', 1),
  (1, 0, '2022-07-08 10:00:00', '2022-07-08 10:00:09', 1),
  (1, 0, '2022-07-09 10:00:00', '2022-07-09 10:00:42', 1),
  (1, 0, '2022-07-10 10:00:00', '2022-07-10 10:00:09', 1),
  (1, 0, '2022-07-11 23:59:55', '2022-07-11 23:59:59', 1),
  (1, 0, '2022-07-12 10:00:28', '2022-07-12 10:00:50', 1),
  (1, 0, '2022-07-13 10:00:28', '2022-07-13 10:00:50', 1),
  (1, 0, '2022-07-14 11:00:28', '2022-07-14 11:00:50', 1),
  (1, 0, '2022-07-15 11:59:28', '2022-07-16 00:01:20', 1),
  (2, 0, '2022-10-01 10:00:28', '2022-10-01 10:00:50', 1),
  (2, 0, '2022-10-02 10:00:01', '2022-10-02 10:01:50', 1),
  (2, 0, '2022-10-03 11:00:55', '2022-10-03 11:00:59', 1),
  (2, 0, '2022-10-04 11:00:45', '2022-10-04 11:00:55', 0),
  (2, 0, '2022-10-05 11:00:53', '2022-10-05 11:00:59', 1),
  (2, 0, '2022-10-06 11:00:45', '2022-10-06 11:00:55', 1),
  (3, 0, '2022-07-07 10:00:00', '2022-07-07 10:00:09', 1),
  (3, 0, '2022-07-08 10:00:00', '2022-07-08 10:00:09', 1),
  (3, 0, '2022-07-09 10:00:00', '2022-07-09 10:00:42', 1),
  (3, 0, '2022-07-11 23:59:55', '2022-07-11 23:59:59', 1),
  (3, 0, '2022-07-12 10:00:28', '2022-07-12 10:00:50', 1),
  (3, 0, '2022-07-13 10:00:28', '2022-07-13 10:00:50', 1),
  (3, 0, '2022-07-14 11:00:28', '2022-07-14 11:00:50', 1),
  (3, 0, '2022-07-15 11:59:28', '2022-07-16 00:01:20', 1),
  (4, 0, '2022-07-07 10:00:00', '2022-07-07 10:00:09', 1),
  (4, 0, '2022-07-08 10:00:00', '2022-07-08 10:00:09', 1),
  (4, 0, '2022-07-09 10:00:00', '2022-07-09 10:00:42', 1),
  (4, 0, '2022-07-10 10:00:00', '2022-07-10 10:00:09', 1),
  (4, 0, '2022-07-11 23:59:55', '2022-07-11 23:59:59', 1),
  (4, 0, '2022-07-12 10:00:28', '2022-07-12 10:00:50', 0),
  (4, 0, '2022-07-13 10:00:28', '2022-07-13 10:00:50', 1),
  (4, 0, '2022-07-14 11:00:28', '2022-07-14 11:00:50', 1),
  (4, 0, '2022-07-15 11:59:28', '2022-07-16 00:01:20', 1);

select * from tmp_tb_user_log;

2、构造flag_days 和 sign_flag

select 
   *,
    if(datediff(cast(in_time as datetime), cast(lag(in_time,1,in_time) over(partition by uid order by in_time) as datetime),'dd') > 1, 1, 0) as flag_days,
    if(lag(sign_in,1,sign_in) over(partition by uid order by in_time) != sign_in, 1, 0) as sign_flag
from tmp_tb_user_log

3、构造sum_over 和 group_name

select 
   t.uid,
    t.artical_id,
    t.in_time,
    t.out_time,
    t.sign_in,
    sum(if(flag_days = 0 and sign_flag = 0,0,1)) over(partition by uid order by in_time) as group_name
from
    (select 
        *,
        if(datediff(cast(in_time as datetime), cast(lag(in_time,1,in_time) over(partition by uid order by in_time) as datetime),'dd') > 1, 1, 0) as flag_days,
        if(lag(sign_in,1,sign_in) over(partition by uid order by in_time) != sign_in, 1, 0) as sign_flag
    from tmp_tb_user_log
    ) t

4、构造irank

select 
    t1.uid,
    t1.artical_id,
    t1.in_time,
    t1.out_time,
    t1.sign_in,
    t1.group_name,
    row_number() over(partition by t1.uid, t1.group_name order by t1.in_time) as irank
from
    (select 
        t.uid,
        t.artical_id,
        t.in_time,
        t.out_time,
        t.sign_in,
        sum(if(flag_days = 0 and sign_flag = 0,0,1)) over(partition by uid order by in_time) as group_name
    from
        (select 
            *,
            if(datediff(cast(in_time as datetime), cast(lag(in_time,1,in_time) over(partition by uid order by in_time) as datetime),'dd') > 1, 1, 0) as flag_days,
            if(lag(sign_in,1,sign_in) over(partition by uid order by in_time) != sign_in, 1, 0) as sign_flag
        from tmp_tb_user_log
        ) t
    ) t1

5、处理金币获取规则

select 
    t2.uid,
    t2.artical_id,
    t2.in_time,
    t2.out_time,
    t2.sign_in,
    t2.group_name,
    t2.irank,
    case when t2.irank % 7 = 3 then 3 when t2.irank % 7 = 0 then 7 else 1 end as coin
from
    (select 
        t1.uid,
        t1.artical_id,
        t1.in_time,
        t1.out_time,
        t1.sign_in,
        t1.group_name,
        row_number() over(partition by t1.uid, t1.group_name order by t1.in_time) as irank
    from
        (select 
            t.uid,
            t.artical_id,
            t.in_time,
            t.out_time,
            t.sign_in,
            sum(if(flag_days = 0 and sign_flag = 0,0,1)) over(partition by uid order by in_time) as group_name
        from
            (select 
                *,
                if(datediff(cast(in_time as datetime), cast(lag(in_time,1,in_time) over(partition by uid order by in_time) as datetime),'dd') > 1, 1, 0) as flag_days,
                if(lag(sign_in,1,sign_in) over(partition by uid order by in_time) != sign_in, 1, 0) as sign_flag
            from tmp_tb_user_log
            ) t
        ) t1
    ) t2

6、分组计算每个用户每个月获取金币数

select 
    t3.uid
    ,substr(t3.in_time,1,7) as pmonth
    ,sum(if(t3.sign_in = 1,coin,0)) as coins
from
    (select 
        t2.uid,
        t2.artical_id,
        t2.in_time,
        t2.out_time,
        t2.sign_in,
        t2.group_name,
        t2.irank,
        case when t2.irank % 7 = 3 then 3 when t2.irank % 7 = 0 then 7 else 1 end as coin
    from
        (select 
            t1.uid,
            t1.artical_id,
            t1.in_time,
            t1.out_time,
            t1.sign_in,
            t1.group_name,
            row_number() over(partition by t1.uid, t1.group_name order by t1.in_time) as irank
        from
            (select 
                t.uid,
                t.artical_id,
                t.in_time,
                t.out_time,
                t.sign_in,
                sum(if(flag_days = 0 and sign_flag = 0,0,1)) over(partition by uid order by in_time) as group_name
            from
                (select 
                    *,
                    if(datediff(cast(in_time as datetime), cast(lag(in_time,1,in_time) over(partition by uid order by in_time) as datetime),'dd') > 1, 1, 0) as flag_days,
                    if(lag(sign_in,1,sign_in) over(partition by uid order by in_time) != sign_in, 1, 0) as sign_flag
                from tmp_tb_user_log
                ) t
            ) t1
        ) t2
    ) t3
group by t3.uid,substr(t3.in_time,1,7);

最后

喜欢的点赞、关注、收藏吧~ 你的支持是最大的创作动力~~

HiveSql面试题:连续签到领金币问题【百度-困难题-通用解法】 本文给出了一种连续签到领取金币的一种通用解法,通过窗口函数生成标签值进行辅助计算 阅读详情

相关推荐

SQL-计算连续签到天数

计算连续签到天数,需要用到窗口函数,日期计算知识点

weixin_47198715的博客 2467

sql面试题 连续签到领金币(连续登录问题)

牛客面试题 问题:计算每个用户2021年7月以来每月获得的金币数 问题一:连续登录问题 select uid,date(in_time) as dt, row_number() over(partition by uid order by date(in_time)) 编号, date(in_time)-(row_number() over(partition by uid order by date(in_time))) dt2 from tb_user_log where

麻辣清汤的博客 1613

SQL面试题——百度SQL面试题 连续签到领金币

其实这个题目挺有意思的,考察的知识点不少,例如日期的连续,循环日期的处理,以及当天是连续的多少天,但是这个业务场景是非常常见的。

2万+

SQL面试题练习 —— 连续签到领金币

题目来源:百度。

hu_wei123的博客 854

Codesys 3.5报警功能配置保姆级教程:从变量定义到确认方式(含REF/ACK详解)

本文详细介绍了Codesys 3.5报警功能的配置流程,从变量定义到确认方式的选择,特别解析了REF和ACK两种确认方式的底层逻辑。通过实战案例和代码示例,帮助工程师快速掌握报警系统的搭建与调试技巧,提升工业自动化项目的可靠性。

weixin_29245767的博客 459

手把手教你用Logisim搞定华科计组实验:单总线CPU硬布线控制器设计(含Excel自动生成电路技巧)

本文详细解析了如何使用Logisim完成华科计组实验中的单总线CPU硬布线控制器设计,特别分享了利用Excel自动生成电路逻辑的高效技巧。从实验准备、状态机表格填写到模块化构建和系统联调,提供全流程实战指导,帮助读者快速掌握计算机组成原理核心概念,大幅提升实验效率。

weixin_28744423的博客 323

大数据SQL题38 连续签到领金币数

首先同样找出每个用户的所有连续登录区间,随后对区间内的每一天,求出当天可以获得的金币数量,最后求和。用户每天签到可以领1金币,并可以累计签到天数,连续签到的第3、7天分别可以额外领2和6金币。从用户登录明细表中求出每个用户金币总数,并按照金币总数倒序排序。每连续签到7天重新累积签到天数。

qq_35237689的博客 650

红外:非均匀性校正01_基本原理与基本方法

非均匀校正(nonuniformity correction,NUC) 基本原理 这里要表达的意思就是:图中每一条直线对应一个像素点的,亮度/辐照度的情况。由于硬件的关系,每一个像素点的线性响应很不一样,所以需要通过矩阵来校正。 校正原理: 一点校正 两点校正 其他原理介绍: 参考链接: 基于多项式拟合的红外焦平面非均匀校正 课件:光电成像——非均匀性校正 红外图像非均匀性校正相关汇总 红外非均匀性校正算法总结 红外图像非均匀矫正——一点矫正 ...

dlvector的博客 2万+

Hive sql 常见面试题-连续签到领金币数

用户每天签到可以领1金币,并可以累计签到天数,连续签到的第3、7天分别可以额外领2和6金币。每连续签到7天重新累积签到天数。从用户登录明细表中求出每个用户金币总数,并按照金币总数倒序排序。

weixin_42435657的博客 934

YOLOv11改进 | Conv篇 | AKConv轻量级架构下的高效检测(附代码 + 修改方法 + 二次创新)

本文给大家带来的改进内容是AKConv是一种创新的变核卷积,它旨在解决标准卷积操作中的固有缺陷(采样形状是固定的),AKConv的核心思想在于它为卷积核提供了任意数量的参数和任意采样形状,能够使用任意数量的参数(如1, 2, 3, 4, 5, 6, 7等)来提取特征,这在标准卷积和可变形卷积中并未实现​​。AKConv能够根据硬件环境,使卷积参数的数量呈线性增减非常适用于轻量化模型的读者)。

Snu77的博客 1万+

【100%通过率】华为OD机试真题 Python 实现【高矮个子排队】【2023 Q2 | 100分】

我们现在希望小朋友排队,以“高”“矮”“高”“矮”顺序排列,每一个“高”位置的小朋友要比相邻的位置高或者相等;要求小朋友们移动的距离和最小,第一个从“高”位开始排,输出最小移动距离即可。移动距离的定义如下所示:第二位小朋友移到第三位小朋友后面,移动距离为1,若移动到第四位小朋友后面,移动距离为2。现在有一队小朋友,他们高矮不同,,我们以正整数数组表示这一队小朋友的身高,如数组{5,3,1,2,3}。1:其实题目理解之后就知道,目标是要保证最小移动距离,且以高位为起点。2:try catch 异常处理。

MISAYAONE的博客 3145

SQL学习(11):连续签到领金币问题

前言:本题目来自于海*金融二面前的小测试题目,也是非常经典的高难度题目【牛客应该能够找到】。 主要难点在于如何对于多种规则进行划分标签和计算。 本文提供一种较易理解的思路和方法,其余思路可以在优快云找到

UoB1887858的博客 992

第4章-07-将WebDriver获取的Cookie传递给Requests

在使用Selenium WebDriver获取了浏览器的Cookies之后,你可以将这些Cookies传递给requests库,以便在后续的HTTP请求中使用这些Cookies。这样做可以让你模拟浏览器会话,使得请求看起来像是从之前使用Selenium WebDriver控制的浏览器发出的。

黑夜开发者的博客 693

hivesql之连续签到领金币数

从用户登录就明细表中求出每个用户金币总数,并按照金币总数倒序排序。

DataCrafter的博客 532

第42章:AI代码生成的质量标准——何时用AI、何时自己写

> - AI代码生成的质量分级标准:可用、稳定、安全、优雅 > - 一个决策矩阵:什么场景适合用AI,什么场景必须人工编写 > - 如何评估AI生成的代码质量(复杂度、可读性、安全性) > - 实战对比:同一需求下AI生成代码 vs 人工编写代码 > - 团队落地:将质量标准集成到Code Review和CI流程 > - 我如何将团队AI代码接受率从70%提升到90%

sfishfly的博客 162

Windows2008使用-解决漏洞-CVE-2010-2730

随着硬件的升级,操作系统也逐渐进行了版本更新。目前阶段,Windows2016Server、Windows2022Server逐渐成为了以Windows系列的服务器平台系统。对于有些应用而言,由于其业务的固定,可能仍只能运行在Windows2008Server或者Windows2012Server上。有时候我们为安全需要,需要将相关的操作系统涉及的漏洞做修复。最近碰到在一个Windows2008R2 的操作系统漏洞CVE-2010-2730,一顿操作,终于找到了合适的方案,这里分享给大家。

mystonelxj的博客 2317

SQL腾讯面试题:你今天上班打卡了吗?(连续签到天数、逻辑拆解)

SQL腾讯面试题:你今天上班打卡了吗?(连续签到天数、逻辑拆解)

前景 1347

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

HiveSQL找出连续日期及连续的天数(方法二)

经常遇到统计连续行为日期及连续天数的问题,之前的解决方案相对复杂,本次给出最简单的解决方案。 1、测试数据: use xxx; drop table test_serialdate; create table if not exists test_serialdate ( user_id string comment '用户ID', sign_date string comment '签到日期' ) stored as orcfile ; insert into table test

卡卡大叔 3658

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

hive sql 怎么实现循环_Hive_sql如何计算连续签到天数?

首先膜拜下二楼的大神,这个问题我困扰了很久,终于看到答案,我把 @世界第一辣鸡 的过程用HQL给写一遍。大概思路如下:1.根据uid进行分组,将所有签到记录依次按照时间排序并标记序号2.根据时间有序的特点,可以将所有时间减去序号,获取连续签到日期唯一的时间点,记为 data_rank。如 2017-02-09 序号12017-02-10 序号22017-02-11 序号 3减去序号可得唯一...

weixin_39928017的博客 561

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

SQL计算用户连续签到问题

有一张用户签到表【t_user_attendence】,标记每天用户是否签到(说明:该表包含所有用户所有工作日的出勤记录) ,包含三个字段: 日期【fdate】 用户id【fuser_id】 用户当天是否签到【fis_sign_in:0否1是】 fdate fuser_id fis_sign_in 2021/6/1 1 1 2021/6/1 2 0 2021/6/1 3 0 2021/6/2 1 1 2021/6/2 2 1 2021/6/2 3 0 2021/6/3 1 1 2021/6/3 2 0 20

roar_633的博客 5351

sql统计连续签到或连续矿工

1

kane245的专栏 1352

msql计算连续签到天数

MySQL

zlfjavahome的专栏 656

SQL大厂面试题-连续签到领金币场景

有用户签到记录表,use_signing,记录用户当天是否完成签到,请计算出每个用户的每个月获得的金币数量;

Yaoo415的博客 1020

大数据--hive--经典SQL题目(百度面试SQL题目)

一:题目一:第n多和连续三天思维 有一个日志数据解析得到的table 有三个字段: timestamp username user_action 1)统计近10天每日行为数量 2)行为第三多的用户及其数量 3)连续3天有行为的用户? 解答: 1.1统计近10天每日行为数量 1.1.1 答案: -- 统计近10天每日行为数量 select pt_dt, count(1) from ( select to_date(timest...

数据挖掘+大数据研发+算法学习 1672

HQL || SQL :连续签到领金币

?

weixin_62075640的博客 1087

Hive SQL 六大经典面试题

第 1 题 连续问题 第 2 题 分组问题 第 3 题 间隔连续问题 第 4 题 打折日期交叉问题 第 5 题 同时在线问题

TRX的博客 1万+
上一篇: hiveSql 京东面试题-有效值问题
@nanami
博客等级 码龄9年 4247粉丝 53原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

@nanami

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值