1、连续时间问题

1.1 最近一周内的活跃天数

最近一周：timestampdiff(day,time,now())<=7
group by 可以起到去重的作用

select user_id，count(1)
from
	(select user_id,date from t where timestampdiff(day,time,now())<=7
	group by user_id,date)
group by user_id

1.2 每个用户一周内最大连续活跃天数

思路：排序-减去-- 计数
date_sub(日期，天数)

select user_id,max(count(diff))
from
(select date ,user_id,date_sub(date,rank) as diff
from
	(select date ,user_id ,row_number()over(partition by user_id order by date) as rk
	from
		 (select date ,user_id from t group by date ,user_id)
	)
)	
group by user_id

时间差函数：
1，timestampdiff(second/minute/hour/day,开始日期，结束日期)
2，date_sub(日期，天数) 日期减去天数

1.3 计算截至当前，每个用户已经连续签到的天数

每一个日期都有
思路：选出最新没签到的日子，用当前时间减去该日子得到已经连续签到的次数

select user_id,timestampdiff(Day,el,now()) as contdays
from
	(select user_id,max(date) el from user_attendence where is_sign_in =0 group by user_id)

2、时间间隔问题举例

1、为日期排序
· -row number() partition by 用户编号 order by 操作时间 as 日期排序
2、错位相减，求日期和排序的差值（diff）
· 用错位相减求来实现“相邻”要求
from a left join b on (a.日期排序 = b.日期排序-1）

3、sql窗口分析函数

lag:用于统计窗口内往上第n行值
lead:用于统计窗口内往下第n行值
lag 和 lead 有三个参数，第一个参数是列名，第二个参数是偏移的 offset，第三个参数是超出记录窗口时的默认值。

lag(列名,1,0) over (partition by 分组列 order by 排序列 rows between
开始位置 preceding and 结束位置 following)

3.1 有一个日志登陆列表，获取用户在某个页面停留时长

代码：

select userid,time,
unix_timestamp(lead(time,1) over(partition by userid order by time),'yyyy-MM-dd HH:mm:ss')- unix_timestamp(time,'yyyy-MM-dd HH:mm:ss') as period
,url
from user_log

3.2 寻找至少连续出现3次的数字

思路：增加两列，使用 lag 函数-把下面的数据往上错位一个，错位 2 个，判断 num 和错位的两列是否相等

select id,distinct num
from
(select id,num,
lag(num,1)over(partition by id) as lag1,
lag(num,2)over(partition by id) as lag2
from log_table
) a
where num = lag1 and lag1 = lag2

4、什么是关系型“数据表”“数据库”

数据分成结构化数据、非结构化数据，数据库又常分成关系型数据库和非关系型数据库

结构化数据：可以用excel存储的，一行行一列列数据
非结构化数据：图片、文字、语音这种没办法用 excel 存储的，一行行一列列的数据

关系型数据库：需要预先设计好存储的strcture
非关系型数据库：可以预先设计好structure进行结构化存储，也可以在数据不满足structure的情况下先行存储数据，待后来再进行格式化打标签

结构化查询语言SQL，是一种特殊目的的编程语言，是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统

5、行/列转换

4款产品，三个电商平台，分别以两种形式记录了某个月各产品在各个平台的销售数量
表1：

表2：

5.1 行转列，表1转表2–PIVOT

在 SQL SERVER 中，提供了专门进行行列转换的函数：PIVOT
pivot的语法：

from table_source
pivot(
聚合函数(value_column) - value_column 要转换为列值的列名
for pivot_column  - pibot_column指定要转换的列
in(column_list) ----column_list自定义的目标列名
)

SELECT Product,
 MAX(CASE WHEN Platform = ‘ 天猫 ’ THEN quantity ELSE 0 
END) AS “ 天猫 ”,
 MAX(CASE WHEN Platform = ‘ 淘宝 ’ THEN quantity ELSE 0 
END) AS “ 淘宝 ”,
 MAX(CASE WHEN Platform = ‘ 京东 ’ THEN quantity ELSE 0 
END) AS “ 京东 ”
FROM TABLE
GROUP BY
 Produc

5.2 列转行，表2转表1

方法一：UNPIVOT
UNPIVOT 的一般语法是：

FROM table_source – 表名称，即数据源
UNPIVOT(
value_column – value_column 要转换为 行值 的列名
FOR pivot_column – pivot_column 指定要转换为指定的列
IN(column_list ) – column_list 目标列名
)

SELECT *
FROM TABLE UNPIVOT (quantity FOR Platform IN (“ 天猫 ”, “ 淘
宝 ”, “ 京东 ”))

方法二：聚合函数+UNION
同理，Oracle，MySQL 也是不支持 UNPIVOT 函数的，对于这种情况我们可以通过聚合函数+UNION 的方式将数据组合起来。

5.3 一行转多行

一行转多行：

SELECT DISTINCT Product,Supplier
FROM table
LATERAL VIEW explode (split(Supplier,’,’)) as t – t 为新表别名

多行转一行：
可以使用：collect_set +concat_ws 来实现

SELECT Product,
 concat_ws(’, ’, COLLECT_SET(Supplier)) Product_Supplier
FROM TABLE
GROUP BY  Product