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
Posted 莫叫石榴姐
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了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相关的知识，希望对你有一定的参考价值。
目录
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|12 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
HiveSQL面试题47：京东面试题
目录
0 需求
1 数据准备
数据
| 1 | aa |
| 2 | aa |
| 3 | aa |
| 4 | d |
| 5 | c |
| 6 | aa |
| 7 | aa |
| 8 | e |
| 9 | f |
| 10 | g |
建表
create table a(
id string,
name string
)
ROW format delimited FIELDS TERMINATED BY ",";加载数据
load data local inpath "/home/dandan/a.txt" into table a;2 求解
A->B
A->B
select flg as id
,concat_ws('|',collect_list(name)) as name
from(
select id
,name
,first_value(id) over(partition by name order by cast(id as int) desc) as flg
from a
) t
group by flg
A->C
select max(id) as id
,concat_ws('|',collect_list(name)) as name
from(
select id
,name
,sum(if(name!=lag_name,1,0)) over(order by cast(id as int)) as flg
from(
select id
,name
,lag(name,1,name) over(order by cast(id as int)) as lag_name
from a
) m
) n
group by flg
3 小结
本题还是利用开窗函数打标签进行辅助计算，并利用了分类重分组的思想（sum() over(order by )）.
以上是关于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的主要内容，如果未能解决你的问题，请参考以下文章