正文

hivesql面试题52：近一个月发布的视频中热度最高的top3视频抖音面试题，不得不去吐槽的一个题目(代码片段)

莫叫石榴姐  莫叫石榴姐  2023-04-15  131

关键词：

0 问题描述

现有用户-视频互动表tb_user_video_log

id	uid	video_id	start_time	end_time	if_follow	if_like	if_retweet	comment_id
1	101	2001	2021-09-24 10:00:00	2021-09-24 10:00:30	1	1	1	NULL
2	101	2001	2021-10-01 10:00:00	2021-10-01 10:00:31	1	1	0	NULL
3	102	2001	2021-10-01 10:00:00	2021-10-01 10:00:35	0	0	1	NULL
4	103	2001	2021-10-03 11:00:50	2021-10-03 10:00:35	1	1	0	1732526
5	106	2002	2021-10-02 11:00:05	2021-10-02 11:01:04	2	0	1	NULL
6	107	2002	2021-10-02 10:59:05	2021-10-02 11:00:06	1	0	0	NULL
7	108	2002	2021-10-02 10:59:05	2021-10-02 11:00:05	1	1	1	NULL
8	109	2002	2021-10-03 10:59:05	2021-10-03 11:00:01	0	1	0	NULL
9	105	2002	2021-09-25 11:00:00	2021-09-25 11:00:30	1	0	1	NULL
10	101	2003	2021-09-26 11:00:00	2021-09-26 11:00:30	1	0	0	NULL
11	101	2003	2021-09-30 11:00:00	2021-09-30 11:00:30	1	1	0	NULL

（uid-用户ID, video_id-视频ID, start_time-开始观看时间, end_time-结束观看时间, if_follow-是否关注, if_like-是否点赞, if_retweet-是否转发, comment_id-评论ID）

短视频信息表tb_video_info

id	video_id	author	tag	duration	release_time
1	2001	901	旅游	30	2021-09-05 07:00:00
2	2002	901	旅游	60	2021-09-05 07:00:00
3	2003	902	影视	90	2021-09-05 07:00:00
4	2004	902	影视	90	2021-09-05 08:00:00

（video_id-视频ID, author-创作者ID, tag-类别标签, duration-视频时长, release_time-发布时间）

问题：找出近一个月发布的视频中热度最高的top3视频。

注：

热度=(a*视频完播率+b*点赞数+c*评论数+d*转发数)*新鲜度；
新鲜度=1/(最近无播放天数+1)；
当前配置的参数a,b,c,d分别为100、5、3、2。
最近播放日期以end_time-结束观看时间为准，假设为T，则最近一个月按[T-29, T]闭区间统计。
结果中热度保留为整数，并按热度降序排序。

输出示例：

示例数据的输出结果如下

video_id	hot_index
2001	122
2002	56
2003

解释：

最近播放日期为2021-10-03，记作当天日期；近一个月（2021-09-04及之后）发布的视频有2001、2002、2003、2004，不过2004暂时还没有播放记录；

视频2001完播率1.0（被播放次数4次，完成播放4次），被点赞3次，评论1次，转发2次，最近无播放天数为0，因此热度为：(100*1.0+5*3+3*1+2*2)/(0+1)=122

同理，视频2003完播率0，被点赞数1，评论和转发均为0，最近无播放天数为3，因此热度为：(100*0+5*1+3*0+2*0)/(3+1)=1（1.2保留为整数）。

1 数据准备

DROP TABLE IF EXISTS tb_user_video_log, tb_video_info;
CREATE TABLE tb_user_video_log (
    `uid` string COMMENT '用户ID',
    video_id string COMMENT '视频ID',
    start_time string COMMENT '开始观看时间',
    end_time string COMMENT '结束观看时间',
    if_follow string COMMENT '是否关注',
    if_like string COMMENT '是否点赞',
    if_retweet string COMMENT '是否转发',
    comment_id string COMMENT '评论ID'
) ;

CREATE TABLE tb_video_info (
    video_id string COMMENT '视频ID',
    author string COMMENT '创作者ID',
    tag string COMMENT '类别标签',
    duration string COMMENT '视频时长(秒数)',
    release_time string COMMENT '发布时间'
);

INSERT INTO tb_user_video_log(uid, video_id, start_time, end_time, if_follow, if_like, if_retweet, comment_id) VALUES
   (101, 2001, '2021-09-24 10:00:00', '2021-09-24 10:00:30', 1, 1, 1, null)
  ,(101, 2001, '2021-10-01 10:00:00', '2021-10-01 10:00:31', 1, 1, 0, null)
  ,(102, 2001, '2021-10-01 10:00:00', '2021-10-01 10:00:35', 0, 0, 1, null)
  ,(103, 2001, '2021-10-03 11:00:50', '2021-10-03 11:01:35', 1, 1, 0, 1732526)
  ,(106, 2002, '2021-10-02 10:59:05', '2021-10-02 11:00:04', 2, 0, 1, null)
  ,(107, 2002, '2021-10-02 10:59:05', '2021-10-02 11:00:06', 1, 0, 0, null)
  ,(108, 2002, '2021-10-02 10:59:05', '2021-10-02 11:00:05', 1, 1, 1, null)
  ,(109, 2002, '2021-10-03 10:59:05', '2021-10-03 11:00:01', 0, 1, 0, null)
  ,(105, 2002, '2021-09-25 11:00:00', '2021-09-25 11:00:30', 1, 0, 1, null)
  ,(101, 2003, '2021-09-26 11:00:00', '2021-09-26 11:00:30', 1, 0, 0, null)
  ,(101, 2003, '2021-09-30 11:00:00', '2021-09-30 11:00:30', 1, 1, 0, null);

INSERT INTO tb_video_info(video_id, author, tag, duration, release_time) VALUES
   (2001, 901, '旅游', 30, '2021-09-05 7:00:00')
  ,(2002, 901, '旅游', 60, '2021-09-05 7:00:00')
  ,(2003, 902, '影视', 90, '2021-09-05 7:00:00')
  ,(2004, 902, '影视', 90, '2021-09-05 8:00:00');
----------------------------------
输出结果如下：
2001|122
2002|56
2003|1

2 问题分析

该题目中各项指标定义非常模糊，很多定义并不明确，明显出题人语文水平并不过关，很多定义并没有直接给出，容易产生歧义。

各项指标的确定：

（1）近一个月的定义：为当前日志表（视频互动表tb_user_video_log）中end_time最新的日期往前减去29天。题中给出的是假设为T，则最近一个月按[T-29, T]闭区间统计。这样的定义实际上有问题的（很无语。。。。），因为存在视频发布当天并没有播放记录的情况。

举个例子：10.03往前推30天是09.04。我们要获取的统计时间区间是09.04-10.03。假设某个视频09.01发布，但是5天后才有第一次播放记录，那么这个视频最早的end_time是09.06，按照这个end_time，用DATEDIFF法来生成，得到的时间区间是09.06-10.03，明显不完整，题目也是没有完全讲清楚。。。。按照题目那样区间的定义肯定有问题。。。。所以此题左边区间应该是end_time -29,右边区间应该是发布时间。。。。

（2）新鲜度：最近无播放天数：当前表中最新日期与该视频的最新播放日期之间的差值。

（题目中并没有给出明确定义，靠猜。。。。。。。。）

新鲜度=1/(最近无播放天数+1)

（3）热度：

a:视频完播率:该题的完播率并没有给出明确定义，基本靠给的例子来猜测。

此处的定义应该是：用户-视频互动表tb_user_video_log中start_time 与end_time的差值大于短视频信息表tb_video_info中的duration时记为一次有效的播放（题目中描述的被播放次数。。。）与实际播放次数的比值（题目中描述的完成播放次数，我去理解实在太烧脑了。。。，实在不得不喷一下。。。）伪代码如下：

SUM(CASE WHEN(unix_timestamp(end_time)-unix_timestamp(start_time))>duration then 1 else 0 end) / COUNT(start.time)

      b:点赞数：SUM(CASE WHEN if_like=1 THEN 1 ELSE END)

      c：评论数              COUNT(comment_id)
      d：转发数              SUM(CASE WHEN if_retweet=1 THEN 1 ELSE 0 END)

最终SQL如下：

select
  video_id,
  cast(
    (
      100 * finish_play_rate + 5 * like_cnt + 3 * comment_cnt + 2 * retweet_cnt
    ) * fresh_rate as decimal(18, 0)
  ) as hot_index
from
  (
    SELECT
      tvi.video_id,
      SUM(
        CASE
          WHEN(
            unix_timestamp(tuvl.end_time) - unix_timestamp(tuvl.start_time)
          ) >= cast(tvi.duration as int) then 1
          else 0
        end
      ) / COUNT(tuvl.start_time) as finish_play_rate,
      SUM(
        CASE
          WHEN tuvl.if_like = '1' THEN 1
          ELSE 0
        END
      ) as like_cnt,
      COUNT(tuvl.comment_id) as comment_cnt,
      SUM(
        CASE
          WHEN tuvl.if_retweet = '1' THEN 1
          ELSE 0
        END
      ) as retweet_cnt,
      1 / (
        datediff(
          to_date(max(tuvl.last_time)),
          to_date(max(tuvl.END_time))
        ) + 1
      ) as fresh_rate
    FROM
      (
        select
          *,
          max(end_time) over() as last_time
        from
          tb_user_video_log
      ) AS tuvl
      LEFT JOIN tb_video_info AS tvi ON tuvl.video_id = tvi.video_id
    WHERE
      TO_DATE(tvi.release_time) >= DATE_SUB(TO_DATE(tuvl.last_time), 29)
    GROUP BY
      tvi.video_id
  ) t
ORDER BY
  hot_index DESC
LIMIT
  3

最终结果如下

video_id        hot_index
2001            122
2002            56
2003            1
Time taken: 3.316 seconds, Fetched: 3 row(s)

3 小结

这道题源自于牛客网，题目本身没什么难度，但在牛客中通过率极低，原因是题目本身但表达很模糊，很多定义没有直接给出，靠面试者猜，造成了误解，如果面试遇到这种题目90%挂，因为你不能准确理解题意，需要反复和面试官确认，即使做出来了，最终也是失败，而这题竟然出自抖音，面试出题也太随意了，无力吐槽，看来面试有时候真的靠缘分，哈哈哈。。。。

欢迎关注石榴姐公众号"我的SQL呀"，关注我不迷路

用hivesql怎么获取上一个月的月份

参考技术Ahivesqlsql—获取指定hive表或指定文件所hive表DDL按区则默认执行近7区DDL同table支持符合sql语则表达式表匹配则提示用户选择(使用file则自关闭该交互功能) 参考技术B0~11，自己加一就行了。没办法，他就是这么来的。参考... 查看详情

2022年8月最新运维面试题-服务器上下架流程

...项目招人，薪资再25k以上，13薪。学员反馈回来的面试题正在整理中。其中一个问题：机房设备上下架是个怎么个操作流程？这个题目的确难住了很多人，我曾经三个人上架近千台服务器，但你让我说上架... 查看详情

java面试题大全带答案，热度飙升！

Java基础1.Java语言的三大特性2.Java语言主要特性3.JDK和JRE有什么区别4.Java基本数据类型及其封装类5.如果main方法被声明为private会怎样?6.说明--下publicstaticvoidmain(StringargsQ])这段声明里每个关键字的作用7.==与equals的区别8.Object有... 查看详情

9大hivesql最频繁被问到的面试题(代码片段)

SQL是用于数据分析和数据处理的最重要的编程语言之一，因此与数据科学相关的工作（例如数据分析师、数据科学家和数据工程师）在面试时总会问到关于SQL的问题。SQL面试问题旨在评估应聘者的技术和解决问题的能... 查看详情

hivesql核心技能之常用函数

参考技术A目标：1、掌握hive基础语法、常用函数及其组合使用2、掌握一些基本业务指标的分析思路与实现技巧1）某次经营活动中，商家发起了“异性拼团购”，试着针对某个地区的用户进行推广，找出匹配用户。注意：如果该... 查看详情

5月面试题总结

HTMLDoctype作用？标准模式与兼容模式各有什么区别?（1）、<!DOCTYPE>声明位于HTML文档中的第一行，处于<html>标签之前。告知浏览器的解析器用什么文档标准解析这个文档。DOCTYPE不存在或格式不正确会导致文档以兼容模式... 查看详情

hivesql每天场景题45

45、现有电商订单表（order_detail）如下。order_id(订单id)user_id(用户id)product_id(商品id)price（售价）cnt（数量）order_date（下单时间）111500012022-01-01213550012022-01-023173522022-02-01422380032022-03-03注：复购率... 查看详情

月攒亿级热度才上榜，科普资讯内容成4月秒拍榜单黑马

...元……5月2日，秒拍发布2017年4月份系列榜单上，呈现出一个极其强烈的内容创业趋势——一个月没个亿级的热度，都不好意思在榜单上去排队。文/张书乐TMT行业观察者、游戏产业时评人，人民网、人民邮电报专栏作者热度、画... 查看详情

2020年腾讯c++面试题和答案持续更新中-内附视频讲解

大家好我是好好学习天天编程的天天，又来给大家分享面试题了~~有粉丝私信说有有些题不会做，那怎么办呢？现在你们有福利了，我会每天录制一个视频，讲解一个高频面试题如下：干货|名企高频考点-C++vector基本使用每天的... 查看详情

2020年腾讯c++面试题和答案持续更新中-内附视频讲解

2020年腾讯c++面试题和答案持续更新中-内附视频

2020年腾讯C++面试题和答案持续更新中（7）-内附视频大家好我是好好学习天天编程的天天，又来给大家分享面试题了~~有粉丝私信说有有些题不会做，那怎么办呢？现在你们有福利了，我会每天录制一个视频，讲解一个高频面试... 查看详情

2018年10月24日js中“逻辑运算”，“面试题：作用域问题”，“dom对象”这些问题的意见见解

1、逻辑运算|| && !||：遇到第一个为true的值就中止并返回&&：遇到第一个为false的值就中止并返回，如果没有false值，就返回最后一个不是false值的true值||和&&：&&的优先级大于||；console.log(1&&3||... 查看详情

java入门到精通-第52讲-面试题讲评(代码片段)

赛迪网Java程序员笔试题第一大题：选择题(共20个小题，要求和分值按每题后面的提示，共60分)1、下面哪些是java语言中的关键字？ BA、sizeofB、abstractC、NULLD、Native2、第一个java语言编译器是在()年推出。 DA、1991B、1992C、200... 查看详情

hivesql每天场景题50

目前hive场景题就此结束，因为前面有时候做题会百度一下方法之类的，有些题不太熟练，所以后面从1重新再做一次，就不写笔记，也不发csdn了。50、现有用户表（emp）如下。id(员工id)en_dt(入职日期)star... 查看详情

大数据sql题目

...活跃用户HIVE计算连续登陆n天的sql(qishunwang.net)(253条消息)HiveSql求每个用户连续登陆的最大天数_jxt120433的博客-CSDN博客连续登录最大天数数仓面试sql题目-hive-sql_huobumingbai1234的博客-CSDN博客_数仓面试sql互相关注，a关注b，b关... 查看详情