目录
[1. 即时订单比例](#1. 即时订单比例)
[1.1 题目需求](#1.1 题目需求)
[1.2 代码实现](#1.2 代码实现)
[2. 向用户推荐朋友收藏的商品](#2. 向用户推荐朋友收藏的商品)
[2.1 题目需求](#2.1 题目需求)
[2.2 代码实现](#2.2 代码实现)
[3. 查询所有用户的连续登录两天及以上的日期区间](#3. 查询所有用户的连续登录两天及以上的日期区间)
[3.1 题目需求](#3.1 题目需求)
[3.2 代码实现](#3.2 代码实现)
1. 即时订单比例
1.1 题目需求
从配送信息表(delivery_info)中求出每个用户的首单(用户的第一个订单)中即时订单的比例,并保留两位小数,以小数形式显示。即时订单是指期望配送日期和下单日期相同的订单,而计划订单是指期望配送日期和下单日期不同的订单。
期望结果如下:
| percentage | 
|---|
| 0.5 | 
1.2 代码实现
            
            
              sql
              
              
            
          
          hive>
select
    round(sum(if(order_date=custom_date,1,0))/count(*),2) percentage
from
(
    select
        delivery_id,
        user_id,
        order_date,
        custom_date,
        row_number() over (partition by user_id order by order_date) rn
    from delivery_info
)t1
where rn=1;2. 向用户推荐朋友收藏的商品
2.1 题目需求
从好友关系表(friendship_info)和收藏表(favor_info)中查询出应向哪位用户推荐哪些商品。推荐的商品应该是用户的朋友已收藏但用户自己尚未收藏的商品。
1)部分结果展示
| user_id | sku_id | 
|---|---|
| 101 | 2 | 
| 101 | 4 | 
| 101 | 7 | 
| 101 | 9 | 
| 101 | 8 | 
| 101 | 11 | 
| 101 | 1 | 
2)完整结果
| user_id | sku_id | 
|---|---|
| 101 | 2 | 
| 101 | 4 | 
| 101 | 7 | 
| ... | ... | 
2.2 代码实现
            
            
              sql
              
              
            
          
          hive>
select
    distinct t1.user_id,
    friend_favor.sku_id
from
(
    select
        user1_id user_id,
        user2_id friend_id
    from friendship_info
    union
    select
        user2_id,
        user1_id
    from friendship_info
)t1
left join favor_info friend_favor
on t1.friend_id=friend_favor.user_id
left join favor_info user_favor
on t1.user_id=user_favor.user_id
and friend_favor.sku_id=user_favor.sku_id
where user_favor.sku_id is null;3. 查询所有用户的连续登录两天及以上的日期区间
3.1 题目需求
从登录明细表(user_login_detail)中查询出所有用户的连续登录两天及以上的日期区间,以登录时间(login_ts)为准。
期望结果如下:
| user_id | start_date | end_date | 
|---|---|---|
| 101 | 2021-09-27 | 2021-09-30 | 
| 102 | 2021-10-01 | 2021-10-02 | 
| 106 | 2021-10-04 | 2021-10-05 | 
| 107 | 2021-10-05 | 2021-10-06 | 
3.2 代码实现
            
            
              sql
              
              
            
          
          hive>
select user_id,
       min(login_date) start_date,
       max(login_date) end_date
from (
         select user_id,
                login_date,
                date_sub(login_date, rn) flag
         from (
                  select user_id,
                         login_date,
                         row_number() over (partition by user_id order by login_date) rn
                  from (
                           select user_id,
                                  date_format(login_ts, 'yyyy-MM-dd') login_date
                           from user_login_detail
                           group by user_id, date_format(login_ts, 'yyyy-MM-dd')
                       ) t1
              ) t2
     ) t3
group by user_id, flag
having count(*) >= 2