一些SQL題目-Kuaishou面試

第一題:
tb1: url, ts
對于每個(gè)url盗棵,分別求在哪一秒點(diǎn)擊量最大,最大值是多少憨颠?
ps:ts是毫秒級int的時(shí)間戳氮趋。

第二題:
tb2: uid, page
求:訪問過page=A and page=B的設(shè)備數(shù)

第一題

建表,導(dǎo)入數(shù)據(jù):
tb1: url, ts 
對于每個(gè)url鸭你,分別求在哪一秒點(diǎn)擊量最大屈张,最大值是多少擒权?
ps:ts是毫秒級int的時(shí)間戳。



create table kuaishou(
url string, 
ts string) 
row format delimited fields terminated by ",";


vi kuaishou

url1,1234567890123
url1,1234567890113
url1,1234567891103
url1,1234527893123
url2,1234527892123
url2,1234527892123
url2,1234527890123
url2,1234527890123
url2,1234527890113
url2,1234527891103
url2,1234527893123
url2,1234527892123
url2,1234527892123
url2,1234527890123
url3,1234527892123
url3,1234527890123
url3,1234527890123
url3,1234527890113
url2,1234527891103
url2,1234527893123
url2,1234527892123
url2,1234567892123
url2,1234567890123

load data local inpath '/home/hadoop/tmp/kuaishou' into table kuaishou;
暫時(shí)解決思路:

1.切分毫秒為秒阁谆,
2.按照url碳抄,sec分組計(jì)數(shù),
3.對2.計(jì)數(shù)結(jié)果逆序排序
4.取序號為1的記錄场绿。

select url,sec,cnt 
from
(
select url,sec,cnt,row_number() over(partition by url order by cnt desc) rn   --第三步
from
(
from (select url,substr(ts,1,10) sec from kuaishou)t1   --第一步
select url,sec,count(1) cnt   
group by url,sec       --第二步
)t3
)t4
where rn=1   --第四步
;
hive (default)> 
              > 
              > select url,sec,cnt 
              > from
              > (
              > select url,sec,cnt,row_number() over(partition by url order by cnt desc) rn   --第三步
              > from
              > (
              > from (select url,substr(ts,1,10) sec from kuaishou)t1   --第一步
              > select url,sec,count(1) cnt   
              > group by url,sec       --第二步
              > )t3
              > )t4
              > where rn=1   --第四步
              > ;
Automatically selecting local only mode for query
Query ID = hadoop_20200707072001_cad817b1-ab4e-4752-a47f-bbf591973f7f
Total jobs = 2
Launching Job 1 out of 2
Number of reduce tasks not specified. Estimated from input data size: 1
In order to change the average load for a reducer (in bytes):
  set hive.exec.reducers.bytes.per.reducer=<number>
In order to limit the maximum number of reducers:
  set hive.exec.reducers.max=<number>
In order to set a constant number of reducers:
  set mapreduce.job.reduces=<number>
Job running in-process (local Hadoop)
2020-07-07 07:20:06,252 Stage-1 map = 100%,  reduce = 100%
Ended Job = job_local1962055191_0030
Launching Job 2 out of 2
Number of reduce tasks not specified. Estimated from input data size: 1
In order to change the average load for a reducer (in bytes):
  set hive.exec.reducers.bytes.per.reducer=<number>
In order to limit the maximum number of reducers:
  set hive.exec.reducers.max=<number>
In order to set a constant number of reducers:
  set mapreduce.job.reduces=<number>
Job running in-process (local Hadoop)
2020-07-07 07:20:11,369 Stage-2 map = 100%,  reduce = 100%
Ended Job = job_local1720680700_0031
MapReduce Jobs Launched: 
Stage-Stage-1:  HDFS Read: 46950 HDFS Write: 19172 SUCCESS
Stage-Stage-2:  HDFS Read: 48422 HDFS Write: 19866 SUCCESS
Total MapReduce CPU Time Spent: 0 msec
OK
url sec cnt
url1    1234567890  4
url2    1234567892  7
url3    1234527890  3
Time taken: 9.94 seconds, Fetched: 3 row(s)
hive (default)> 

第二題

tb2: mid, page
求:訪問過page=A and page=B的設(shè)備數(shù)

建表剖效,導(dǎo)入數(shù)據(jù):

create table kuaishou2(
uid string, 
page string) 
row format delimited fields terminated by ",";


vi kuaishou2

u1,A
u1,A
u3,A
u1,B
u2,A
u1,B
u2,A
u4,B
u1,A
u3,A
u1,C
u2,B
u1,B
u2,A
u4,B
u1,A
u3,D
u1,B
u2,A
u1,W
u2,A
u4,B

load data local inpath '/home/hadoop/tmp/kuaishou2' into table kuaishou2;

from kuaishou2 a,kuaishou2 b
select a.uid
where a.uid=b.uid and a.page='A' and b.page='B'
;
思路:一種用自連接 ;一種用size()取巧焰盗。

優(yōu)化一點(diǎn):
①可以對數(shù)據(jù)先刷選璧尸,然后再進(jìn)行自連接;
②需要對結(jié)果去重熬拒,用group by代替distinct吧爷光;
歡迎補(bǔ)充~~

自連接HQL Code如下:
優(yōu)化后的:

1.篩選出訪問過A,B的設(shè)備澎粟;
2.做自連接(on t1.uid=t2.uid)蛀序;
3.count() group by做去重優(yōu)化(優(yōu)于distinct())

有2個(gè)job;Time taken: 26.834 seconds, Fetched: 1 row(s)


select count(uid) uid_cnt   -- 最后count設(shè)備數(shù)活烙。
from (
    select 
        t1.uid
    from(
        select uid from kuaishou2 where page='A'  
        )t1
    join(
        select uid from kuaishou2 where page='B'
        )t2
    on 
        t1.uid=t2.uid
    group by 
        t1.uid 
)t3;

1.where做條件過濾和自連接徐裸;
2.count(distinct a.uid)求最終設(shè)備數(shù)
有1個(gè)job,Time taken: 20.426 seconds, Fetched: 1 row(s)


from kuaishou2 a,kuaishou2 b
select count(distinct a.uid) uid_cnt
where 
    a.uid=b.uid and 
    a.page='A' and 
    b.page='B'
;

第二種方法:思路見代碼注釋啸盏,

有2個(gè)job重贺,Time taken: 9.919 seconds, Fetched: 1 row(s)
耗時(shí)最少。

--1.篩選訪問過A回懦,B的設(shè)備檬姥;
--2.按uid分組,
--3.按uid分組粉怕,用collect_set()自動(dòng)去重健民,形成:uid,{訪問過的頁面}
--4.篩選出集合大小為2的記錄
--5.count()求出最終設(shè)備數(shù)

select count(uid) uid_cnt           --5.count()求出最終設(shè)備數(shù)
from 
(
select uid,collect_set(page) ct     --3按uid分組贫贝,用collect_set()自動(dòng)去重秉犹,
                                    --形成:uid,{訪問過的頁面}
from (
    from kuaishou2 a
    select a.uid,a.page
    where a.page='A' or a.page='B'  --1.篩選訪問過A稚晚,B的設(shè)備崇堵;
)t1
group by uid                        --2 按uid分組,
having size(ct)=2                   --4.篩選出集合大小為2的記錄
)t3
;
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末客燕,一起剝皮案震驚了整個(gè)濱河市鸳劳,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌也搓,老刑警劉巖赏廓,帶你破解...
    沈念sama閱讀 218,755評論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件涵紊,死亡現(xiàn)場離奇詭異,居然都是意外死亡幔摸,警方通過查閱死者的電腦和手機(jī)摸柄,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,305評論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來既忆,“玉大人驱负,你說我怎么就攤上這事』脊停” “怎么了跃脊?”我有些...
    開封第一講書人閱讀 165,138評論 0 355
  • 文/不壞的土叔 我叫張陵,是天一觀的道長苛吱。 經(jīng)常有香客問我酪术,道長,這世上最難降的妖魔是什么又谋? 我笑而不...
    開封第一講書人閱讀 58,791評論 1 295
  • 正文 為了忘掉前任拼缝,我火速辦了婚禮娱局,結(jié)果婚禮上彰亥,老公的妹妹穿的比我還像新娘。我一直安慰自己衰齐,他們只是感情好任斋,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,794評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著耻涛,像睡著了一般废酷。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上抹缕,一...
    開封第一講書人閱讀 51,631評論 1 305
  • 那天澈蟆,我揣著相機(jī)與錄音,去河邊找鬼卓研。 笑死趴俘,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的奏赘。 我是一名探鬼主播寥闪,決...
    沈念sama閱讀 40,362評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼磨淌!你這毒婦竟也來了疲憋?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,264評論 0 276
  • 序言:老撾萬榮一對情侶失蹤梁只,失蹤者是張志新(化名)和其女友劉穎缚柳,沒想到半個(gè)月后埃脏,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,724評論 1 315
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡喂击,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,900評論 3 336
  • 正文 我和宋清朗相戀三年剂癌,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片翰绊。...
    茶點(diǎn)故事閱讀 40,040評論 1 350
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡佩谷,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出监嗜,到底是詐尸還是另有隱情谐檀,我是刑警寧澤,帶...
    沈念sama閱讀 35,742評論 5 346
  • 正文 年R本政府宣布裁奇,位于F島的核電站桐猬,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏刽肠。R本人自食惡果不足惜溃肪,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,364評論 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望音五。 院中可真熱鬧惫撰,春花似錦、人聲如沸躺涝。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,944評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽坚嗜。三九已至夯膀,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間苍蔬,已是汗流浹背诱建。 一陣腳步聲響...
    開封第一講書人閱讀 33,060評論 1 270
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留碟绑,地道東北人俺猿。 一個(gè)月前我還...
    沈念sama閱讀 48,247評論 3 371
  • 正文 我出身青樓,卻偏偏與公主長得像蜈敢,于是被迫代替她去往敵國和親辜荠。 傳聞我的和親對象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,979評論 2 355