SQL138 连续两次作答试卷的最大时间窗

SQL138 连续两次作答试卷的最大时间窗

问题分析

1. 找出2021年至少有两天作答的用户
2. 计算每个用户连续两次作答的最大时间窗
3. 基于历史数据预测在这个时间窗内平均会做多少套试卷

版本1

with
    -- 功能​：筛选2021年至少有两天作答的用户及其作答记录
    -- 子查询找出2021年至少有两天作答的用户ID（count(distinct date(start_time)) >= 2）
    -- 主查询获取这些用户在2021年的所有作答记录
    -- 结果包含三列：uid（用户ID）、exam_id（试卷ID）、start_time（作答日期）
    user_with_multiple_days as (
        select
            uid,
            exam_id,
            date(start_time) as start_time
        from
            exam_record
        where
            uid in (
                select
                    uid
                from
                    exam_record
                where
                    year(start_time) = 2021
                group by
                    uid
                having
                    count(distinct date(start_time)) >= 2
            )
            and year(start_time) = 2021
    ),

    -- 功能​：计算每个用户的日均作答量
    -- 通过自连接找出每个用户的所有作答日期组合（u1.start_time < u2.start_time）
    -- 计算每个用户的总作答次数（子查询中的count(start_time)）
    -- 计算最大日期跨度（max(datediff(u2.start_time, u1.start_time) + 1)）
    -- 用总作答次数除以最大日期跨度得到日均作答量（max_avg）
    max_avg_temp as (
        select
            u1.uid,
            (
                select
                    count(start_time)
                from
                    user_with_multiple_days
                where
                    uid = u1.uid
            ) / max(datediff(u2.start_time, u1.start_time) + 1) as max_avg
        from
            user_with_multiple_days u1
            join user_with_multiple_days u2 on u1.uid = u2.uid
            and u1.start_time < u2.start_time
        group by
            u1.uid
    ),

    -- 功能​：计算每个用户连续两次作答的最大时间窗
    -- 使用窗口函数lag()获取每个用户的上一次作答日期
    -- datediff(start_time, lag(start_time)) + 1计算相邻两次作答的时间窗
    -- +1是因为间隔2天实际上是3天的窗口（如1号和3号是3-1=2天，但实际窗口是3天）
    -- max(days_window)找出每个用户的最大时间窗
    max_windows_temp as (
        select
            uid,
            max(days_window) as days_window
        from
            (
                select
                    uid,
                    start_time,
                    datediff(
                        start_time,
                        lag(start_time) over (
                            partition by
                                uid
                            order by
                                start_time asc
                        )
                    ) + 1 as days_window
                from
                    user_with_multiple_days
            ) as t1
        group by
            uid
    )
select
    uid,
    days_window,
    round(days_window * max_avg, 2) as avg_exam_cnt
from
    max_avg_temp
    join max_windows_temp using (uid)
order by
    days_window desc,
    avg_exam_cnt desc

1. 第一个CTE：user_with_multiple_days

user_with_multiple_days as (
    select
        uid,
        exam_id,
        date(start_time) as start_time
    from
        exam_record
    where
        uid in (
            select
                uid
            from
                exam_record
            where
                year(start_time) = 2021
            group by
                uid
            having
                count(distinct date(start_time)) >= 2
        )
        and year(start_time) = 2021
)

​功能​：筛选2021年至少有两天作答的用户及其作答记录

​详细说明​：

• 子查询找出2021年至少有两天作答的用户ID（count(distinct date(start_time)) >= 2）
• 主查询获取这些用户在2021年的所有作答记录
• 结果包含三列：uid（用户ID）、exam_id（试卷ID）、start_time（作答日期）

2. 第二个CTE：max_avg_temp

max_avg_temp as (
    select
        u1.uid,
        (
            select
                count(start_time)
            from
                user_with_multiple_days
            where
                uid = u1.uid
        ) / max(datediff(u2.start_time, u1.start_time) + 1) as max_avg
    from
        user_with_multiple_days u1
        join user_with_multiple_days u2 on u1.uid = u2.uid
        and u1.start_time < u2.start_time
    group by
        u1.uid
)

​功能​：计算每个用户的日均作答量

​详细说明​：

• 通过自连接找出每个用户的所有作答日期组合（u1.start_time < u2.start_time）
• 计算每个用户的总作答次数（子查询中的count(start_time)）
• 计算最大日期跨度（max(datediff(u2.start_time, u1.start_time) + 1)）
• 用总作答次数除以最大日期跨度得到日均作答量（max_avg）

3. 第三个CTE：max_windows_temp

max_windows_temp as (
    select
        uid,
        max(days_window) as days_window
    from
        (
            select
                uid,
                start_time,
                datediff(
                    start_time,
                    lag(start_time) over (
                        partition by
                            uid
                        order by
                            start_time asc
                    )
                ) + 1 as days_window
            from
                user_with_multiple_days
        ) as t1
    group by
        uid
)

​功能​：计算每个用户连续两次作答的最大时间窗

​详细说明​：

• 使用窗口函数lag()获取每个用户的上一次作答日期
• datediff(start_time, lag(start_time)) + 1计算相邻两次作答的时间窗
  • +1是因为间隔2天实际上是3天的窗口（如1号和3号是3-1=2天，但实际窗口是3天）
• max(days_window)找出每个用户的最大时间窗

最终查询

select
    uid,
    days_window,
    round(days_window * max_avg, 2) as avg_exam_cnt
from
    max_avg_temp
    join max_windows_temp using (uid)
order by
    days_window desc,
    avg_exam_cnt desc

​逻辑​：

• 将最大时间窗(days_window)乘以日均作答量(max_avg)
• 预测在该时间窗内平均会做多少套试卷(avg_exam_cnt)
• 按最大时间窗和预测作答量降序排序

简化1

待补充。。。