Hive SQL经典面试题：连续登录与留存分析

本文档提供了2024年最新Hive SQL的经典面试题，主要关注于大数据环境下的SQL技能。以下是其中涉及的主要知识点： 1. **连续登录n天的用户** - 题目背景：给定一个user_login表，包含用户ID(user_id)和登录日期(login_date)，目标是找出连续登录n天的用户。 - 解决方案：使用窗口函数ROW_NUMBER()为每个用户按登录日期排序，并计算日期差。首先，通过子查询计算每个用户的登录日期序列，然后按用户ID和连续日期分组，找出登录日期范围至少覆盖n天的用户。 2. **留存问题** - 在用户活动表user_activity中，关注次日、3日和7日留存率。 - 次日留存：计算特定日期（如2022-01-01）后的用户中有多少在次日仍有登录记录。这涉及到创建一个活跃用户列表，然后筛选出在第二天登录的用户。 - 同理，对于3日和7日留存，需要重复此过程，分别查看这些用户在后续3天和7天内的活跃状态。 3. **Top N问题** - 在Hive SQL中，解决Top N问题通常涉及对数据进行排序并限制返回结果的数量。面试时可能会被问到如何找到销售额最高的前N个产品，或者用户访问次数最多的前N个页面等问题，这需要对ORDER BY和LIMIT关键字的熟练运用。 4. **Explode问题** - Explode函数用于将某个列拆分为多行，常用于处理数组或map类型的字段。面试者可能要求你展示如何用Hive SQL处理嵌套的数据结构，如将一个用户的不同订单信息展开到单行记录。 5. **行转列（pivot）操作** - Hive SQL中的Pivot或UnPivot操作用于将数据从宽格式转换为长格式，或者反之。例如，分析用户在不同时间段的行为，可能需要将时间维度的值转换为列名，以便更直观地进行分析。 掌握这些Hive SQL技巧不仅有助于应对面试，也对处理大数据集和实时分析具有实际价值。理解窗口函数、聚合函数、日期操作以及数据转换能力是成为一名优秀大数据分析师的关键。