SQL面试题1：连续登陆问题

引言

场景介绍：

许多互联网平台为了提高用户的参与度和忠诚度，会推出各种连续登录奖励机制。例如，游戏平台会给连续登录的玩家发放游戏道具、金币等奖励；学习类 APP 会为连续登录学习的用户提供积分，积分可兑换课程或其他福利。通过这些激励措施，平台希望用户能够养成持续使用产品的习惯，从而提升产品的活跃度和留存率。同时，对于平台运营者来说，分析用户的连续登录数据可以了解用户的使用习惯和忠诚度，进而优化产品功能和运营策略。

题目描述：

假设我们有一个记录用户登录信息的表，表名为 login_table，其中包含两个字段：uid（用户 ID）和 dt（登录日期）。现在需要完成以下三个任务：

  1. 查询连续登录超过三天的用户：找出在一段时间内，连续登录天数大于三天的用户列表。这有助于平台识别出那些高度活跃且对产品有较高忠诚度的用户，以便进一步进行精细化运营和奖励。
  2. 查询每个用户连续登录的最大天数：对于每个用户，统计其在所有登录记录中连续登录的最长时间段，这能帮助我们了解不同用户的活跃程度差异，为个性化运营提供数据基础。
  3. 查询一个用户连续登录的最大天数（可隔一天）：在计算用户连续登录天数时，允许中间间隔一天，只要整体登录天数最多，就是我们要找的结果。比如用户在 1、3、5、6 日登录，那么其连续登录的最大天数为 6 天。这种统计方式可以更灵活地评估用户的活跃程度，考虑到了用户可能因为某些特殊情况中断一天登录，但整体仍保持较高的使用频率。

数据准备与代码实现

数据准备

1	2025-01-01
1	2025-01-02
1	2025-01-03
2	2025-01-07
2	2025-01-08
3	2025-01-09
3	2025-01-10
3	2025-01-12
3	2025-01-13

1. 查询连续登录超过三天的用户

思路：

  1. 用户登录记录编号：利用row_number()函数按uid分区并依dt升序排序生成序号rn，实现对各用户登录时间进行排序编号
  2. 计算连续登录首日：利用date_add函数将dt减去rn，计算每行对应的连续登录起始日期first_day。
  3. 选出连续登录超过三天大用户：利用group by按uid和first_day分组，结合having筛选出分组行数大于等于3的记录，实现找出连续登录超三天的用户uid。
with data as (select 1 as uid,'2025-01-01' as dt union allselect 1 as uid,'2025-01-02' as dt union allselect 1 as uid,'2025-01-03' as dt union allselect 2 as uid,'2025-01-07' as dt union allselect 2 as uid,'2025-01-08' as dt union allselect 3 as uid,'2025-01-09' as dt union allselect 3 as uid,'2025-01-10' as dt union allselect 3 as uid,'2025-01-12' as dt union allselect 3 as uid,'2025-01-13' as dt
),
data2 as (select uid,dt,row_number() over (partition by uid order by dt) rn from data
),
data3 as (select uid,dt,rn,date_add(dt,-rn) as first_day from data2
)
select uid from data3 group by uid,first_day having count(1) >= 3;

2. 查询每个用户连续登录的最大天数

思路：

  1. 用户登录记录编号：利用窗口函数row_number()，按uid分区并依dt升序排序生成序号rn，实现对各用户登录时间进行排序编号。
  2. 计算连续登录首日：利用date_add函数将dt减去rn，计算每行对应的连续登录起始日期first_day。
  3. 统计分组登录天数：利用group by按uid和first_day分组，通过count(*)统计同一组合的天数login_day，以此统计出每个用户每段连续登录的天数。
  4. 获取用户最大连续登录天数：再次使用group by对uid进行分组，通过max(login_day)从每个用户的多段连续登录天数中选出最大值，最终得到每个用户连续登录的最大天数。
with data as (select 1 as uid,'2025-01-01' as dt union allselect 1 as uid,'2025-01-02' as dt union allselect 1 as uid,'2025-01-03' as dt union allselect 2 as uid,'2025-01-07' as dt union allselect 2 as uid,'2025-01-08' as dt union allselect 3 as uid,'2025-01-09' as dt union allselect 3 as uid,'2025-01-10' as dt union allselect 3 as uid,'2025-01-12' as dt union allselect 3 as uid,'2025-01-13' as dt
),
data2 as (select uid,dt,row_number() over (partition by uid order by dt) rn from data
),
data3 as (select uid,dt,rn,date_add(dt,-rn) as first_day from data2
),
data4 as (select uid,first_day,count(*) as login_day from data3 group by uid,first_day)
select uid,max(login_day) from data4 group by uid;

3. 查询一个用户连续登录的最大天数，可以隔一天。解释：1、3、5、6登录则最大登录天数为6天。

思路：

  1. 查找上次登录时间：利用lag函数按uid分区并依dt升序排序，实现获取每行记录的上一次登录时间prev_dt。
  2. 打标判断连续登录：利用datediff函数计算dt与prev_dt的时间差，根据差值情况打标flag，实现区分是否连续登录，如果差值小于2天或者null（表示第一天）标记为0，都则标记为1。
  3. 计算连续登录标识和：利用sum函数按uid分组并依dt升序对flag求和，生成sum_flag，实现标识连续登录段。
  4. 计算每组时间差值：利用datediff函数对uid和sum_flag聚类分组后计算max(dt)与min(dt)的差值，实现获取每个分组的时间跨度。
  5. 获取最大连续登录天数：利用分组和max函数选出每个用户的最大时间差值max(diff)+1，实现得到每个用户连续登录的最大天数max_login。

核心点：将相差值小于等于2的分到同一组里，然后采用分段思想计算每个分组分段的天数即为连续登录的天数。

with data as (select 1 as uid,'2025-01-01' as dt union allselect 1 as uid,'2025-01-02' as dt union allselect 1 as uid,'2025-01-04' as dt union allselect 2 as uid,'2025-01-07' as dt union allselect 2 as uid,'2025-01-08' as dt union allselect 2 as uid,'2025-01-11' as dt union allselect 2 as uid,'2025-01-13' as dt union allselect 2 as uid,'2025-01-15' as dt union allselect 3 as uid,'2025-01-09' as dt union allselect 3 as uid,'2025-01-10' as dt union allselect 3 as uid,'2025-01-12' as dt union allselect 3 as uid,'2025-01-15' as dt
),
data2 as (select uid,dt,lag(dt, 1) over (partition by uid order by dt) prev_dt from data
),
data3 as (select uid,dt,prev_dt,if(datediff(dt, prev_dt) <= 2 or datediff(dt, prev_dt) is null, 0 ,1) flag from data2
),
data4 as (select uid,dt,prev_dt,flag,sum(flag) over(partition by uid order by dt) as sum_flag from data3
),
data5 as (select uid,datediff(max(dt),min(dt)) diff from data4 group by uid,sum_flag
)
select uid,max(diff)+1 as max_login from data5 group by uid;

知识点总结

1.窗口函数：lag、row_number

https://blog.csdn.net/Ahuuua/article/details/127136611

基本语法：函数名(参数) OVER (PARTITION BY 子句 ORDER BY 子句 ROWS/RANGE子句)

  • 函数名：如sum、max、min、count、avg等聚合函数以及lead、lag行比较函数等；
  • over： 关键字，表示前面的函数是分析函数，不是普通的集合函数；
  • 分组子句：over关键字后面挂号内的内容
lag()比较窗口函数

lag/lead(arg1,arg2,arg3)：其中arg1为列名；arg2为偏移值，不能为负，默认为1；arg3超出记录窗口时的默认值，当不指定默认值时，则为null。lag:向前取n行； lead:向后取n行
在这里插入图片描述

row_number()排序窗口函数

排序窗口函数的主要作用是为查询结果中的每一行数据生成一个唯一的行号。这个行号是基于特定的排序规则生成的，并且可以根据不同的分组条件进行独立编号。

rankrow_numberdense_rank
100111
100121
90332

2. 日期计算函数

日期的三种形式：

  • DATE：YYYY-MM-DD，CURRENT_DATE()
  • DATETIME：YYYY-MM-DD HH:MM:SS、CURRENT_TIMESTAMP()
  • TIMESTAMP：时间戳，1973-12-30 15:30:00为19731230153000，UNIX_TIMESTAMP()
    常见计算函数：
  • DATEDIFF(end,start)：计算end-start，单位天数
  • TIMESTAMPDIFF(unit,start,end)：计算end-start，单位unit
    • unit：second、minute、hour、day、week、month、quarter（季度）、year
  • DATE_ADD(date, num)：计算date+num后的时间，num参数表示要增加的时间间隔数量，正数表示增加时间，负数表示减少时间。
select CURRENT_DATE(),CURRENT_TIMESTAMP(),UNIX_TIMESTAMP();

在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/web/66039.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

GPT（General Purpose Timer）定时器

GPT（General Purpose Timer）定时器

基本概念&#xff1a; 在嵌入式系统中&#xff0c;General Purpose Timer&#xff08;GPT&#xff09;是一种非常重要的硬件组件&#xff0c;用于提供定时功能。 定义&#xff1a;通用定时器是一种能够提供精确时间测量和控制功能的电子设备或电路模块。它可以产生周期性的时…
阅读更多...
数据挖掘实训：天气数据分析与机器学习模型构建

数据挖掘实训：天气数据分析与机器学习模型构建

随着气候变化对各行各业的影响日益加剧&#xff0c;精准的天气预测已经变得尤为重要。降雨预测在日常生活中尤其关键&#xff0c;例如农业、交通和灾害预警等领域。本文将通过机器学习方法&#xff0c;利用历史天气数据预测明天是否会下雨&#xff0c;具体内容包括数据预处理、…
阅读更多...
kalilinux - 目录扫描之dirsearch

kalilinux - 目录扫描之dirsearch

情景导入 先简单介绍一下dirsearch有啥用。 假如你现在访问一个网站&#xff0c;例如https://www.example.com/ 它是一个电商平台或者其他功能性质的平台。 站在开发者的角度上思考&#xff0c;我们只指导https://www.example.com/ 但不知道它下面有什么文件&#xff0c;文…
阅读更多...
SOME/IP协议详解 基础解读 涵盖SOME/IP协议解析 SOME/IP通讯机制 协议特点 错误处理机制

SOME/IP协议详解 基础解读 涵盖SOME/IP协议解析 SOME/IP通讯机制 协议特点 错误处理机制

车载以太网协议栈总共可划分为五层&#xff0c;分别为物理层&#xff0c;数据链路层&#xff0c;网络层&#xff0c;传输层&#xff0c;应用层&#xff0c;其中今天所要介绍的内容SOME/IP就是一种应用层协议。 SOME/IP协议内容按照AUTOSAR中的描述&#xff0c;我们可以更进一步…
阅读更多...
springboot vue uniapp 仿小红书 1:1 还原 （含源码演示）

springboot vue uniapp 仿小红书 1:1 还原 （含源码演示）

线上预览: 移动端 http://8.146.211.120:8081/ 管理端 http://8.146.211.120:8088/ 小红书凭借优秀的产品体验 和超高人气 目前成为笔记类产品佼佼者 此项目将详细介绍如何使用Vue.js和Spring Boot 集合uniapp 开发一个仿小红书应用&#xff0c;凭借uniapp 可以在h5 小程序 app…
阅读更多...
Win11右键菜单实现

Win11右键菜单实现

主要参考Win11 Context Menu Demo 此工程是vs2022编译&#xff0c;vs2019先修改下 base.h 方可编译过 编译好dll以后 拷贝至SparsePackage目录下 生成稀疏包msix 就拿他工程里面的改&#xff0c;编辑AppxManifest.xml&#xff0c;配置都要对&#xff0c;一个不对可能都失败&a…
阅读更多...
像JSONDecodeError: Extra data: line 2 column 1 (char 134)这样的问题怎么解决

像JSONDecodeError: Extra data: line 2 column 1 (char 134)这样的问题怎么解决

问题介绍 今天处理返回的 JSON 的时候&#xff0c;出现了下面这样的问题&#xff1a; 处理这种问题的时候&#xff0c;首先你要看一下当前的字符串格式是啥样的&#xff0c;比如我查看后发现是下面这样的&#xff1a; 会发现这个字符串中间没有逗号&#xff0c;也就是此时的J…
阅读更多...
what？ngify 比 axios 更好用,更强大？

what？ngify 比 axios 更好用,更强大？

文章目录 前言一、什么是ngify&#xff1f;二、npm安装三、发起请求3.1 获取 JSON 数据3.2 获取其他类型的数据3.3 改变服务器状态3.4 设置 URL 参数3.5 设置请求标头3.6 与服务器响应事件交互3.7 接收原始进度事件3.8 处理请求失败3.9 Http Observables 四、更换 HTTP 请求实现…
阅读更多...
Linux Kernel 之十 详解 PREEMPT_RT、Xenomai 的架构、源码、构建及使用

Linux Kernel 之十 详解 PREEMPT_RT、Xenomai 的架构、源码、构建及使用

概述 现在的 RTOS 基本可以分为 Linux 阵营和非 Linux 阵营这两大阵营。非 Linux 阵营的各大 RTOS 都是独立发展，使用上也相对独立；而 Linux 阵营则有多种不同的实现方法来改造 Linux 以实现实时性要求。本文我们重点关注 Linux 阵营的实时内核实现方法！ 本文我们重点关注 …
阅读更多...
【拒绝算法PUA】3065. 超过阈值的最少操作数 I

【拒绝算法PUA】3065. 超过阈值的最少操作数 I

系列文章目录 【拒绝算法PUA】0x00-位运算 【拒绝算法PUA】0x01- 区间比较技巧 【拒绝算法PUA】0x02- 区间合并技巧 【拒绝算法PUA】0x03 - LeetCode 排序类型刷题 【拒绝算法PUA】LeetCode每日一题系列刷题汇总-2025年持续刷新中 C刷题技巧总结&#xff1a; [温习C/C]0x04 刷…
阅读更多...
ClickHouse-CPU、内存参数设置

ClickHouse-CPU、内存参数设置

常见配置 1. CPU资源 1、clickhouse服务端的配置在config.xml文件中 config.xml文件是服务端的配置&#xff0c;在config.xml文件中指向users.xml文件&#xff0c;相关的配置信息实际是在users.xml文件中的。大部分的配置信息在users.xml文件中&#xff0c;如果在users.xml文…
阅读更多...
《自动驾驶与机器人中的SLAM技术》ch9：自动驾驶车辆的离线地图构建

《自动驾驶与机器人中的SLAM技术》ch9：自动驾驶车辆的离线地图构建

目录 1 点云建图的流程 2 前端实现 2.1 前端流程 2.2 前端结果 3 后端位姿图优化与异常值剔除 3.1 两阶段优化流程 3.2 优化结果 ① 第一阶段优化结果 ② 第二阶段优化结果 4 回环检测 4.1 回环检测流程 ① 遍历第一阶段优化轨迹中的关键帧。 ② 并发计算候选回环对…
阅读更多...
GPT 系列论文精读：从 GPT-1 到 GPT-4

GPT 系列论文精读：从 GPT-1 到 GPT-4

学习 & 参考资料 前置文章 Transformer 论文精读 机器学习 —— 李宏毅老师的 B 站搬运视频 自监督式学习(四) - GPT的野望[DLHLP 2020] 來自猎人暗黑大陆的模型 GPT-3 论文逐段精读 —— 沐神的论文精读合集 GPT&#xff0c;GPT-2&#xff0c;GPT-3 论文精读【论文精读】…
阅读更多...
大数据技术Kafka详解 ⑤ | Kafka中的CAP机制

大数据技术Kafka详解 ⑤ | Kafka中的CAP机制

目录 1、分布式系统当中的CAP理论 1.1、CAP理论 1.2、Partitiontolerance 1.3、Consistency 1.4、Availability 2、Kafka中的CAP机制 C软件异常排查从入门到精通系列教程&#xff08;核心精品专栏&#xff0c;订阅量已达600多个&#xff0c;欢迎订阅&#xff0c;持续更新…
阅读更多...
riscv架构下linux4.15实现early打印

riscv架构下linux4.15实现early打印

在高版本linux6.12.7源码中&#xff0c;early console介绍&#xff0c;可参考《riscv架构下linux6.12.7实现early打印》文章。 1 什么是early打印 适配内核到新的平台&#xff0c;基本环境搭建好之后&#xff0c;首要的就是要调通串口&#xff0c;方便后面的信息打印。 正常流…
阅读更多...
improve-gantt-elastic（vue2中甘特图实现与引入）

improve-gantt-elastic（vue2中甘特图实现与引入）

1.前言 项目开发中需要使用甘特图展示项目实施进度&#xff0c;左侧为表格计划&#xff0c;右侧为图表进度展示。wl-gantt-mater&#xff0c;dhtmlx尝试使用过可拓展性受到限制。gantt-elastic相对简单&#xff0c;可操作性强&#xff0c;基础版本免费。 甘特图&#xff08;Gan…
阅读更多...
力扣 全排列

力扣 全排列

回溯经典例题。 题目 通过回溯生成所有可能的排列。每次递归时&#xff0c;选择一个数字&#xff0c;直到选满所有数字&#xff0c;然后记录当前排列&#xff0c;回到上层时移除最后选的数字并继续选择其他未选的数字。每次递归时&#xff0c;在 path 中添加一个新的数字&…
阅读更多...
1/13+2

1/13+2

运算符重载 myString.h #ifndef MYSTRING_H #define MYSTRING_H #include <cstring> #include <iostream> using namespace std; class myString {private:char *str; //记录c风格的字符串int size; //记录字符串的实际长度int capacity; …
阅读更多...
【HM-React】08. Layout模块

【HM-React】08. Layout模块

基本结构和样式reset 结构创建 实现步骤 打开 antd/Layout 布局组件文档&#xff0c;找到示例&#xff1a;顶部-侧边布局-通栏拷贝示例代码到我们的 Layout 页面中分析并调整页面布局 代码实现 pages/Layout/index.js import { Layout, Menu, Popconfirm } from antd impor…
阅读更多...
计算机视觉算法实战——实时车辆检测和分类（主页有相关源码）

计算机视觉算法实战——实时车辆检测和分类（主页有相关源码）

✨个人主页欢迎您的访问 ✨期待您的三连 ✨ ✨个人主页欢迎您的访问 ✨期待您的三连 ✨ ✨个人主页欢迎您的访问 ✨期待您的三连✨ ​ ​​​​​​​​​​​​​​​​​​ 1. 领域介绍✨✨ 实时车辆检测和分类是计算机视觉中的一个重要应用领域&#xff0c;旨在从视频流或…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023