牛客SQL刷题第三趴——SQL大厂面试真题

2023年5月10日 121点热度 0人点赞 0条评论

01 某音短视频

SQL156 各个视频的平均完播率

【描述】用户-视频互动表tb_user_video_log。（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。（video_id-视频ID, author-创作者ID, tag-类别标签, duration-视频时长（秒）, release_time-发布时间）

【问题】计算2021年里有播放记录的每个视频的完播率(结果保留三位小数)，并按完播率降序排序

注：视频完播率是指完成播放次数占总播放次数的比例。简单起见，结束观看时间与开始播放时间的差>=视频时长时，视为完成播放。

select t.video_id,
ROUND(sum(if((t.end_time-t.start_time)>=t1.duration,1,0))/count(start_time),3) as avg_comp_play_rate
from tb_user_video_log t 
left join tb_video_info t1
on t.video_id=t1.video_id
where year(t.start_time)='2021'
group by t.video_id
order by avg_comp_play_rate desc;

解题思路：①、考察多表结合。

②、视频完播率的计算方法。

第1步：先计算完成播放次数。sum(if((t.end_time-t.start_time)>=t1.duration,1,0

第2步：计算总播放次数。count(start_time)

第3步：保存三位小数。使用ROUND（xx，3）

③、where子条件，筛选2021年，使用year函数

④、order by排序，按照完播率降序，使用desc。

SQL157 平均播放进度大于60%的视频类别

【描述】同上题

问题：计算各类视频的平均播放进度，将进度大于60%的类别输出。

注：播放进度=播放时长÷视频时长*100%，当播放时长大于视频时长时，播放进度均记为100%。

结果保留两位小数，并按播放进度倒序排序。

select t1.tag,
concat(ROUND(avg(if(timestampdiff(second,t.start_time,t.end_time)>=t1.duration,1,
             timestampdiff(second,t.start_time,t.end_time)/t1.duration))*100,2),'%') as avg_play_progress
from tb_video_info t1
join tb_user_video_log t
on t1.video_id=t.video_id
group by t1.tag
having avg_play_progress>60
order by avg_play_progress desc;

解题思路：

1、播放进度结算

①、时间差函数，timestampdiff（unit，char（begin-end））

②、判断，if或者用case when

③、结果保留两位小数，使用round（xx，2）

④、使用concat拼接数值和“%”

2、多表的内连接。

3、进度大于60%的类别输出，因为这个数值是聚合函数，需要使用having函数

4、并按播放进度倒序排序。使用order by desc

SQL158 每类视频近一个月的转发量/率

短视频信息表tb_video_info。（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：统计在有用户互动的最近一个月（按包含当天在内的近30天算，比如10月31日的近30天为10.2~10.31之间的数据）中，每类视频的转发量和转发率（保留3位小数）。

注：转发率＝转发量÷播放量。结果按转发率降序排序。

select t1.tag,
sum(t.if_retweet) as retweet_cut,-- 转发量
round(sum(t.if_retweet)/count(t.video_id),3) as retweet_rate
from tb_video_info t1
left join tb_user_video_log t
on t.video_id=t1.video_id
where date(start_time)>(select date_sub(MAX(start_time),interval 30 day) from tb_user_video_log)
group by t1.tag
order by retweet_rate desc;