SQL160 国庆期间每类视频点赞量和转发量

news2024/11/26 17:43:07

描述

用户-视频互动表tb_user_video_log

iduidvideo_idstart_timeend_timeif_followif_likeif_retweetcomment_id
110120012021-09-24 10:00:002021-09-24 10:00:20110NULL
210520022021-09-25 11:00:002021-09-25 11:00:30001NULL
310220022021-09-25 11:00:002021-09-25 11:00:30111NULL
410120022021-09-26 11:00:002021-09-26 11:00:30101NULL
510120022021-09-27 11:00:002021-09-27 11:00:30110NULL
610220022021-09-28 11:00:002021-09-28 11:00:30101NULL
710320022021-09-29 11:00:002021-10-02 11:00:30101NULL
810220022021-09-30 11:00:002021-09-30 11:00:30111NULL
910120012021-10-01 10:00:002021-10-01 10:00:20110NULL
1010220012021-10-01 10:00:002021-10-01 10:00:15001NULL
1110320012021-10-01 11:00:502021-10-01 11:01:151101732526
1210620022021-10-02 10:59:052021-10-02 11:00:05201NULL
1310720022021-10-02 10:59:052021-10-02 11:00:05101NULL
1410820022021-10-02 10:59:052021-10-02 11:00:05111NULL
1510920022021-10-03 10:59:052021-10-03 11:00:05010NULL

（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

idvideo_idauthortagdurationrelease_time
12001901旅游302020-01-01 07:00:00
22002901旅游602021-01-01 07:00:00
32003902影视902020-01-01 07:00:00
42004902美女902020-01-01 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：统计2021年国庆头3天每类视频每天的近一周总点赞量和一周内最大单天转发量，结果按视频类别降序、日期升序排序。假设数据库中数据足够多，至少每个类别下国庆头3天及之前一周的每天都有播放记录。

输出示例：

示例数据的输出结果如下

tagdtsum_like_cnt_7dmax_retweet_cnt_7d
旅游2021-10-0152
旅游2021-10-0253
旅游2021-10-0363

解释：

由表tb_user_video_log里的数据可得只有旅游类视频的播放，2021年9月25到10月3日每天的点赞量和转发量如下：

tagdtlike_cntretweet_cnt
旅游2021-09-2512
旅游2021-09-2601
旅游2021-09-2710
旅游2021-09-2801
旅游2021-09-2901
旅游2021-09-3011
旅游2021-10-0121
旅游2021-10-0213
旅游2021-10-0310

因此国庆头3天（10.0110.03）里10.01的近7天（9.2510.01）总点赞量为5次，单天最大转发量为2次（9月25那天最大）；同理可得10.02和10.03的两个指标。

示例1

输入：

DROP TABLE IF EXISTS tb_user_video_log, tb_video_info;
CREATE TABLE tb_user_video_log (
    id INT PRIMARY KEY AUTO_INCREMENT COMMENT '自增ID',
    uid INT NOT NULL COMMENT '用户ID',
    video_id INT NOT NULL COMMENT '视频ID',
    start_time datetime COMMENT '开始观看时间',
    end_time datetime COMMENT '结束观看时间',
    if_follow TINYINT COMMENT '是否关注',
    if_like TINYINT COMMENT '是否点赞',
    if_retweet TINYINT COMMENT '是否转发',
    comment_id INT COMMENT '评论ID'
) CHARACTER SET utf8 COLLATE utf8_bin;

CREATE TABLE tb_video_info (
    id INT PRIMARY KEY AUTO_INCREMENT COMMENT '自增ID',
    video_id INT UNIQUE NOT NULL COMMENT '视频ID',
    author INT NOT NULL COMMENT '创作者ID',
    tag VARCHAR(16) NOT NULL COMMENT '类别标签',
    duration INT NOT NULL COMMENT '视频时长(秒数)',
    release_time datetime NOT NULL COMMENT '发布时间'
)CHARACTER SET utf8 COLLATE utf8_bin;

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 10:00:20', 1, 1, 0, null)
  ,(105, 2002, '2021-09-25 11:00:00', '2021-09-25 11:00:30', 0, 0, 1, null)
  ,(102, 2002, '2021-09-25 11:00:00', '2021-09-25 11:00:30', 1, 1, 1, null)
  ,(101, 2002, '2021-09-26 11:00:00', '2021-09-26 11:00:30', 1, 0, 1, null)
  ,(101, 2002, '2021-09-27 11:00:00', '2021-09-27 11:00:30', 1, 1, 0, null)
  ,(102, 2002, '2021-09-28 11:00:00', '2021-09-28 11:00:30', 1, 0, 1, null)
  ,(103, 2002, '2021-09-29 11:00:00', '2021-09-29 11:00:30', 1, 0, 1, null)
  ,(102, 2002, '2021-09-30 11:00:00', '2021-09-30 11:00:30', 1, 1, 1, null)
  ,(101, 2001, '2021-10-01 10:00:00', '2021-10-01 10:00:20', 1, 1, 0, null)
  ,(102, 2001, '2021-10-01 10:00:00', '2021-10-01 10:00:15', 0, 0, 1, null)
  ,(103, 2001, '2021-10-01 11:00:50', '2021-10-01 11:01:15', 1, 1, 0, 1732526)
  ,(106, 2002, '2021-10-02 10:59:05', '2021-10-02 11:00:05', 2, 0, 1, null)
  ,(107, 2002, '2021-10-02 10:59:05', '2021-10-02 11:00:05', 1, 0, 1, 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 11:00:05', 0, 1, 0, null);

INSERT INTO tb_video_info(video_id, author, tag, duration, release_time) VALUES
   (2001, 901, '旅游', 30, '2020-01-01 7:00:00')
  ,(2002, 901, '旅游', 60, '2021-01-01 7:00:00')
  ,(2003, 902, '影视', 90, '2020-01-01 7:00:00')
  ,(2004, 902, '美女', 90, '2020-01-01 8:00:00');

输出：

旅游|2021-10-01|5|2
旅游|2021-10-02|5|3
旅游|2021-10-03|6|3

解答

  1. 内层子查询：首先，我们从tb_video_info和tb_user_video_log两个表中获取视频的标签（tag）、结束时间（end_time），并对每类视频的每天点赞量（if_like）和转发量（if_retweet）进行求和。

  2. 日期处理：使用substr(b.end_time,1,10)函数提取日期的年月日部分，以便后续的日期范围筛选和排序。

  3. 中间子查询：在内层子查询的基础上，使用窗口函数计算每类视频在指定日期前6天（即近一周）的总点赞量和最大单天转发量。

  4. 窗口函数：

    • SUM(if_like) over(PARTITION BY tag ORDER BY dt ROWS 6 PRECEDING)：计算每类视频在近一周内的总点赞量。
    • MAX(if_retweet) over(PARTITION BY tag ORDER BY dt ROWS 6 PRECEDING)：计算每类视频在近一周内的最大单天转发量。

  5. 外层查询：在中间子查询的基础上，通过WHERE子句筛选出2021年国庆头3天的数据。

  6. 结果排序：最后，使用ORDER BY子句按视频类别降序和日期升序对结果进行排序。

SELECT  *
FROM
(
    SELECT  tag
           ,dt
           -- 计算每类视频近一周的总点赞量
           ,SUM(if_like) over( PARTITION BY tag ORDER BY  dt  rows  6 preceding  )   AS sum_like_cnt_7d
           -- 计算每类视频近一周的最大单天转发量
           ,MAX(if_retweet) over( PARTITION BY tag ORDER BY dt  rows  6 preceding  ) AS max_retweet_cnt_7d
    FROM
    (
        SELECT  a.tag
               ,substr(b.end_time,1,10) dt -- 提取日期的年月日部分
               ,SUM(if_retweet) if_retweet -- 计算每天的转发量
               ,SUM(if_like) if_like -- 计算每天的点赞量
        FROM tb_video_info a
        LEFT JOIN tb_user_video_log b
        ON a.video_id = b.video_id -- 通过视频ID关联两个表
        GROUP BY  tag
                 ,substr(b.end_time,1,10) -- 按视频标签和日期分组
    ) t
) t
WHERE dt BETWEEN '2021-10-01' AND '2021-10-03' -- 筛选国庆头3天的数据
 
order by tag desc, dt -- 按视频类别降序和日期升序排序

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.coloradmin.cn/o/1832503.html

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，一经查实，立即删除！

相关文章

【数据结构】红黑树实现详解

【数据结构】红黑树实现详解

在本篇博客中，作者将会带领你使用C来实现一棵红黑树，此红黑树的实现是基于二叉搜索树和AVLTree一块来讲的，所以在看本篇博客之前，你可以先看看下面这两篇博客 【C】二叉搜索树-CSDN博客 【数据结构】AVLTree实现详解-CSDN博客 在这…
阅读更多...
21.FuturePromise

21.FuturePromise

在异步处理时，经常用到两个接口Future 和 Promise。 说明：Netty中的Future与jdk中的Future同名，但是是两个接口，netty的Future继承了jdk的Future,而Promise又对Netty的Future进行了扩展。 JDK的Future只能同步等待任务结束（成功、失败）才能得到结果。FutureTask.get()方…
阅读更多...
项目(一)--高并发内存池项目简介

项目(一)--高并发内存池项目简介

什么是高并发内存池 它是一个全球性大厂google(谷歌)的 开源项目,项目名字叫tcmalloc,全称是Thread-Caching Malloc,即线程缓存的malloc 作用： 我们知道C语言在堆上开辟空间和 释放使用的是malloc和free函数 并且C的动态内存管理new和delete 的底层实际上也调用了…
阅读更多...
高考志愿填报：选择好专业还是好学校？

高考志愿填报：选择好专业还是好学校？

人不走空 🌈个人主页：人不走空 💖系列专栏：算法专题 ⏰诗词歌赋：斯是陋室，惟吾德馨 高考志愿填报：选择好专业还是好学校？ 每年高考结束后，考生和家长面临的一个…
阅读更多...
数据结构之线性表（3）

数据结构之线性表（3）

数据结构之线性表（3） 上文我们了解了线性表的静动态存储的相关操作，此篇我们对线性表中链表的相关操作探讨。 在进行链表的相关操作时，我们先来理解单链表是什么？ 1.链表的概念及结构 链表是一种物理存储结构上非连…
阅读更多...
密钥管理简介

密钥管理简介

首先我们要知道什么是密钥管理？ 密钥管理是一种涉及生成、存储、使用和更新密钥的过程。 密钥的种类 我们知道，对称密码主要包括分组密码和序列密码。但有时也可以将杂凑函数和消息认证码划分为这一类，将它们的密钥称为对称密钥；…
阅读更多...
RAG与Langchain简介

RAG与Langchain简介

RAG与Langchain简介 什么是RAGRAG解决的问题RAG工作流程RAG调优策略LangChain简介 什么是RAG 检索增强生成（Retrieval-Augmented Generation），主要是通过从外部给大模型补充一些知识，相当于给模型外挂了一个知识库，让…
阅读更多...
Navicat 安装及初步配置指南

Navicat 安装及初步配置指南

Navicat 是一款广泛使用的数据库管理工具，支持多种数据库，如 MySQL、PostgreSQL、SQLite 等。以下是 Navicat 安装步骤的详细说明： 在 Windows 上安装 Navicat 下载 Navicat 安装包： 访问 Navicat 官方网站：Navicat 官…
阅读更多...
iCopy for Mac 剪切板 粘贴工具 历史记录 安装（保姆级教程，新手小白轻松上手）

iCopy for Mac 剪切板 粘贴工具 历史记录 安装（保姆级教程，新手小白轻松上手）

Mac分享吧 文章目录 效果可留存文本、图片、文件等复制历史记录也可根据关键字进行历史记录检索点击一下，可复制双击两下，复制内容，并将信息粘贴至鼠标指针处 一、准备工作二、开始安装1、双击运行软件，将其从左侧拖入右侧文件夹…
阅读更多...
【Vue】Pinia管理用户数据

【Vue】Pinia管理用户数据

Pinia管理用户数据 基本思想：Pinia负责用户数据相关的state和action，组件中只负责触发action函数并传递参数 步骤1：创建userStore 1-创建store/userStore.js import { loginAPI } from /apis/user export const useUserStore defineStore(…
阅读更多...
Havoc工具

Havoc工具

Team端 客户端 打开后需要生成监听器和agent 监听 生成payload 最后上线 HTTPS流量 HTTP流量 心跳
阅读更多...
基于微信小程序的在线答题小程序设计与实现

基于微信小程序的在线答题小程序设计与实现

个人介绍 hello hello~ ，这里是 code袁~💖💖 ，欢迎大家点赞🥳🥳关注💥💥收藏🌹🌹🌹 🦁作者简介：一名喜欢分享和记录学习的…
阅读更多...
安装 Nuxt.js 的步骤和注意事项

安装 Nuxt.js 的步骤和注意事项

title: 安装 Nuxt.js 的步骤和注意事项 date: 2024/6/17 updated: 2024/6/17 author: cmdragon excerpt: Nuxt.js在Vue.js基础上提供的服务器端渲染框架优势，包括提高开发效率、代码维护性和应用性能。指南详细说明了从环境准备、Nuxt.js安装配置到进阶部署技巧&…
阅读更多...
大模型KV Cache节省神器MLA学习笔记（包含推理时的矩阵吸收分析）

大模型KV Cache节省神器MLA学习笔记（包含推理时的矩阵吸收分析）

首先，本文回顾了MHA的计算方式以及KV Cache的原理，然后深入到了DeepSeek V2的MLA的原理介绍，同时对MLA节省的KV Cache比例做了详细的计算解读。接着，带着对原理的理解理清了HuggingFace MLA的全部实现，每行代码都去对应…
阅读更多...
dentacare - hackmyvm

dentacare - hackmyvm

简介 靶机名称：dentacare 难度：中等 靶场地址：https://hackmyvm.eu/machines/machine.php?vmdentacare 本地环境 虚拟机：vitual box 靶场IP（dentacare）：192.168.56.120 跳板机IP(window…
阅读更多...
使用Multipass编译OpenHarmony工程

使用Multipass编译OpenHarmony工程

Multipass 是一个轻量级虚拟机管理器，支持 Linux、Windows 与 macOS，这是为希望使用单个命令提供全新 Ubuntu 环境的开发人员而设计的。使用 Linux 上的 KVM、Windows 上的 Hyper-V 和 macOS 上的 HyperKit 来以最小的开销运行 VM，同时它还可…
阅读更多...
驱动开发（二）：创建字符设备驱动

驱动开发（二）：创建字符设备驱动

往期文章： 驱动开发（一）：驱动代码的基本框架 驱动开发（二）：创建字符设备驱动 ←本文 驱动开发（三）：内核层控制硬件层 目录 字符驱动设备的作用 函数 …
阅读更多...
找不到vcomp100.dll无法继续执行代码的原因及解决方法

找不到vcomp100.dll无法继续执行代码的原因及解决方法

在日常使用电脑的过程中，我们可能会遇到一些错误提示，其中之一就是“vcomp100.dll丢失”。那么，vcomp100.dll是什么？它为什么会丢失？对电脑有什么具体影响？如何解决这个问题？本文将为您详细解答…
阅读更多...
SpringBoot整合SpringDataRedis

SpringBoot整合SpringDataRedis

目录 1.导入Maven坐标 2.配置相关的数据源 3.编写配置类 4.通过RedisTemplate对象操作Redis SpringBoot整合Redis有很多种，这里使用的是Spring Data Redis。接下来就springboot整合springDataRedis步骤做一个详细介绍。 1.导入Maven坐标 首先，需要导…
阅读更多...
dp练习2

dp练习2

如何分析这个题目呢&#xff0c;要想着当前的最优解只和前面的最优解有关 class Solution { public:int numSquares(int n) {vector<int> f(n 1);for (int i 1; i < n; i) {int minn INT_MAX;for (int j 1; j * j < i; j) {minn min(minn, f[i - j * j]);}f[…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023