sql 分组求和_数据仓库工具–Hive（归纳笔记第六部分:SQL练习）

写在开头：

本章是Hive教程第六部分，着重于归纳SQL编写。

文章内容输出来源：拉勾教育大数据高薪训练营。

本章将介绍Hive中常见的面试题和自己的解答思路，以供大家训练和记忆。

SQL面试题

1、求连续7天登录的用户

— 数据。uid dt status(1 正常登录，0 异常)

1 2019-07-11 1
1 2019-07-12 1
1 2019-07-13 1
1 2019-07-14 1
1 2019-07-15 1
1 2019-07-16 1
1 2019-07-17 1
1 2019-07-18 1
2 2019-07-11 1
2 2019-07-12 1
2 2019-07-13 0
2 2019-07-14 1
2 2019-07-15 1
2 2019-07-16 0
2 2019-07-17 1
2 2019-07-18 0
3 2019-07-11 1
3 2019-07-12 1
3 2019-07-13 1
3 2019-07-14 0
3 2019-07-15 1
3 2019-07-16 1
3 2019-07-17 1
3 2019-07-18 1

思路：典型的连续值求解问题，可以按照以下思路进行求解

使用 row_number 在组内给数据编号(rownum)
某个列值 – rownum = gid，得到结果可以作为后面分组计算的依据（这个某个列值，该题目问日期是否连续，所以拿日期这列）
根据求得的gid，作为分组条件，求最终结果

因为求的是连续七天登录的用户，所以这个列值选dt,

所以先写sql：（date_sub为dt与rownum的差值）

select uid,dt,status,
date_sub(dt,row_number() over(partition by uid order by dt)) gid
from ulogin
where status =1

首先来看下结果：

从上述步骤中我们需要按照gid和uid进行分组，然后计算出相同gid的个数，然后再选出大于7的数据即可。所以在原先基础上在套一层select查询，做条件筛选，所以完整SQL这样写：

select uid,count(*) countlogin from
(select uid,dt,status,
date_sub(dt,row_number() over(partition by uid order by dt))gid
from ulogin
where status =1) tmp
group by uid,gid
having countlogin >=7;

可以看出连续登陆七天以上的用户只有uid，而且uid连续登陆了8天。

2.编写sql语句实现每班前三名，分数一样并列，同时求出前三名按名次排序的分差（TopN问题）

— 数据。sid class score

— 待求结果数据如下：

class score   rank      lagscore
1901    90      1           0
1901    90      1           0
1901    83      2           -7
1901    60      3           -23
1902    99      1            0
1902    87      2          -12
1902    67      3          -20

从结果要求上可以看出，首先要用到排序函数排除顺序，然后使用序列函数将数据整体下移一行，然后才可以相减算差值。而且可以看到需要按class分组。

首先我们写出有排名函数的sql：

select class,score,
dense_rank() over(partition by class order by score desc) rank
from stu

然后将score下移一行，将下移后的数据额外增加一列lagscore，并指定按照class分区，按照score降序排序。

select class,score,
dense_rank() over(partition by class order by score desc) rank,
lag(score) over(partition by class order by score desc)  lagscore
from stu

从上图中我们可以看到数据下移后会有null值，我们可以使用nvl函数进行处理，接下来我们处理差值问题，我们可以直接用score列减去lag(score) over(partition by class order by score desc)这行sql。如下所示:

select class,score,
dense_rank() over(partition by class order by score desc) rank,
nvl(score-lag(score) over(partition by class order by score desc),0) lagscore
from stu

接下来按照题目要求，要前三名的数据。那么我们可以再嵌套一层select语句，加上where条件完成：

select class,score,rank,lagscore from
(select class,score,
dense_rank() over(partition by class order by score desc) rank,
nvl(score-lag(score) over(partition by class order by score desc),0) lagscore
from stu) tmp
where rank<=3;

从上可以看出结果。

3.综合八道题：

现在有三张表：

第一张表的部分数据

第二张表的部分数据

第三张表部分数据

1、按年统计销售额

思路：使用join连接saledetail和sale表，连接条件为orderid，又因为按年统计，所以要按照年分组。这里使用year函数获取年份，sum函数进行求和，求和完成后除掉10000，意思单位以万元计，再使用round函数保留小数点2位。

SELECT year(B.dt) year, round(sum(A.amount)/10000, 2) amount 
FROM saledetail A join sale B on A.orderid=B.orderid 
group by year(B.dt);

2、销售金额在 10W 以上的订单

思路：按照orderid做分组，然后求和，求出和后选出金额大于十万的数据。

SELECT orderid, round(sum(amount), 2) amount 
FROM saledetail 
group by orderid 
having sum(amount) > 100000

3、每年销售额的差值

思路：先求出每一年的销售额，按照年分组，然后求和，思路与第一题一致，因为要求差值，所以要用到某一列去减序列函数，所以将第一步得到的结果作为表t1，然后以t1表作为基表去求差值，用total-lag函数完成运行。

with t1 as
(select year(s.dt) year,round(sum(amount)/10000,2) total
from saledetail st join sale s on st.orderid=s.orderid
group by year(s.dt)
)
select year,
round(total - lag(total) over(order by year),2) diff
from t1;

4、年度订单金额前10位（年度、订单号、订单金额、排名）

思路：连续值求解问题，我们可以先求出年度订单的总金额，也就是用年和订单id来分组，用sum求和。然后作为基表去查询排名函数dense_rank，求得排好序的数据表。最后再作为基表添加where过滤条件得到结果。

with t1 as(
select year(dt) dt,s.orderid orderid,sum(amount) total
from saledetail sd join sale s on sd.orderid=s.orderid
group by year(dt),s.orderid ),
t2 as(
select dt,orderid,total,
dense_rank() over(partition by dt order by total desc) rank
from t1
)
select dt,orderid,total,rank
from t2
where rank<=10

部分结果：

5、季度订单金额前10位（年度、季度、订单id、订单金额、排名）

思路：比上一题增加了季度，季度在日期表中有，所以这里要三表连接，然后再使用排名函数dense_rank()按照年和季度分区，按照金额降序排序，最后在嵌套一层select语句即可完成。

with tmp as ( 
select C.year, C.quat, A.orderid, round(sum(B.amount), 2) amount 
from sale A join saledetail B on A.orderid=B.orderid 
join dimdate C on A.dt=C.dt 
group by C.year, C.quat, A.orderid 
)
select year, quat, orderid, amount, rank 
from (
select year, quat, orderid, amount, 
dense_rank() over (partition by year, quat order by 
amount desc) rank 
from tmp 
) tmp1 
where rank <= 10;

这里展示部分结果：

6.求所有交易日中订单金额最高的前10位

思路：TopN问题，首先根据日期和订单id分组，使用sum函数求出总金额，然后使用dense_rank()排名函数根据总金额降序排序，最后使用where条件选出相应的数据。

with tmp as ( 
select A.dt, A.orderid, round(sum(B.amount), 2) amount 
from sale A join saledetail B on A.orderid=B.orderid 
group by A.dt, A.orderid 
)
select dt, orderid, amount, rank 
from (
select dt, orderid, amount, dense_rank() over(order by 
amount desc) rank 
from tmp 
) tmp1 
where rank <= 10;

7、每年度销售额最大的交易日

思路：首先按年分组，使用sum函数求和，然后再使用max函数挑出每年最大的交易时间。

with tmp as ( 
select A.dt, round(sum(B.amount), 2) amount 
from sale A join saledetail B on A.orderid=B.orderid 
group by A.dt 
)
select year(dt) year, max(amount) dayamount 
from tmp 
group by year(dt);

8、年度最畅销的商品(即每年销售金额最大的商品)

思路：现根据年和商品分组，使用sum求出总金额，然后使用排名函数dense_rank()排名，按照年分区，按照总金额降序排序。因为题目要最畅销商品，所以where条件要rank=1。

with tmp as ( 
select year(B.dt) year, goods, round(sum(amount),2) amount 
from saledetail A join sale B on A.orderid=B.orderid 
group by year(B.dt), goods 
)
select year, goods, amount 
from (select year, goods, amount, dense_rank() over (partition 
by year order by amount desc) rank 
from tmp) tmp1 
where rank = 1;