源数据
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 | 2021-10-01 10:00:00 | 2021-10-01 10:00:30 | 0 | 1 | 1 | NULL |
2 | 102 | 2001 | 2021-10-01 10:00:00 | 2021-10-01 10:00:24 | 0 | 0 | 1 | NULL |
3 | 103 | 2001 | 2021-10-01 11:00:00 | 2021-10-01 11:00:34 | 0 | 1 | 0 | 1732526 |
4 | 101 | 2002 | 2021-09-01 10:00:00 | 2021-9-01 10:00:42 | 1 | 0 | 1 | NULL |
5 | 102 | 2002 | 2021-10-01 11:00:00 | 2021-10-01 10:00:30 | 1 | 0 | 1 | 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 | 影视 | 30 | 2021-01-01 07:00:00 |
2 | 2002 | 901 | 美食 | 60 | 2021-01-01 07:00:00 |
3 | 2003 | 902 | 旅游 | 90 | 2021-01-01 07:00:00 |
(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。
输出示例:
示例数据的结果如下:
video_id | avg_comp_play_rate |
2001 | 0.667 |
2002 | 0.000 |
SQL代码
#方法1使用sum函数
select
a.video_id,
round(sum(if(timestampdiff(second, a.start_time, a.end_time) >= b.duration,1,0))/count(a.video_id),3) as avg_comp_play_rate
from
tb_user_video_log a
join tb_video_info b on a.video_id = b.video_id
where
year (a.start_time)=2021
group by a.video_id
order by avg_comp_play_rate desc
#方法2使用avg函数
select
a.video_id,
round(avg(if(timestampdiff(second, a.start_time, a.end_time) >= b.duration,1,0)),3) as avg_comp_play_rate
from
tb_user_video_log a
join tb_video_info b on a.video_id = b.video_id
where
year (a.start_time)=2021
group by a.video_id
order by avg_comp_play_rate desc
注意区分timestampdiff()与datediff()用法
timestampdiff()函数的作用是返回两个日期时间之间的整数差。而datediff()函数的作用也是返回两个日期值之差。
它们的函数语法分别为:
TIMESTAMPDIFF(unit,start_time,end_time)
DATEDIFF(start_time,end_time)
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。
输出示例:
示例数据的输出结果如下:
tag | avg_play_progress |
影视 | 90.00% |
美食 | 75.00% |
SQL代码
select tag,concat(avg_1,'%') avg_play_progress
from
(
select b.tag ,
round(avg(if( timestampdiff(second,a.start_time,a.end_time)>b.duration,1, timestampdiff(second,a.start_time,a.end_time)/b.duration))*100,2) as avg_1
from tb_user_video_log a
join tb_video_info b
on a.video_id=b.video_id
group by b.tag
having avg_1>60
)t
order by avg_play_progress desc
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。
输出示例:
示例数据的输出结果如下
tag | retweet_cut | retweet_rate |
影视 | 2 | 0.667 |
美食 | 1 | 0.500 |
SQL代码
select b.tag,
sum(a.if_retweet) as retweet_cut,
round(avg(a.if_retweet),3) as retweet_rate
from tb_user_video_log a
join tb_video_info b on a.video_id=b.video_id
where
date(a.start_time) >= date_sub((select max(start_time) from tb_user_video_log ),INTERVAL 30 DAY)
group by b.tag
order by retweet_rate desc
注意:
date(a.start_time) >= date_sub((select max(start_time) from tb_user_video_log ),INTERVAL 30 DAY)
不能写成
date(a.start_time) >= date_sub(max(start_time),INTERVAL 30 DAY)
知道原因的同学跟我说一下
注意date_sub函数用法
DATE_SUB() 函数从日期减去指定的时间间隔。
DATE_SUB(date,INTERVAL expr type)
实例:DATE_SUB("2023-3-2",INTERVAL 1 day) 返回的是2023-3-1
问题:计算2021年里每个创作者每月的涨粉率及截止当月的总粉丝量
注:
- 涨粉率=(加粉量 - 掉粉量) / 播放量。结果按创作者ID、总粉丝量升序排序。
- if_follow-是否关注为1表示用户观看视频中关注了视频创作者,为0表示此次互动前后关注状态未发生变化,为2表示本次观看过程中取消了关注。
解题思路:
- 联结
- 按照作者和月进行分组:group by author,date_format(start_time,"%Y-%m")
- 涨粉率:加粉和减粉变化(粉丝变化):sum(if(if_follow=2,-1,if_follow))播放量:count(1)
- 截止当月的总粉丝量sum(粉丝变化)over(partition by author order by date_format(start_time,"%Y-%m"))
- 条件:2021年
方法1:
select a.author,
date_format(b.start_time,'%Y-%m') as month,
round(sum(if(b.if_follow=2,-1,b.if_follow))/count(1),3) as fans_growth_rate,
sum(sum(if(b.if_follow=2,-1,b.if_follow))) over(partition by a.author order by date_format(b.start_time,'%Y-%m')) as total_fans
from tb_video_info a
join tb_user_video_log b on a.video_id=b.video_id
WHERE YEAR(b.start_time)=2021
group by a.author,month
order by a.author,total_fans
方法2:
with
main as(
#统计每个用户的播放量、加粉量、掉粉量
select
author,
mid(start_time,1,7) as month,
count(start_time) as b,
count(if(if_follow = 1, 1, null)) as follow_add,
count(if(if_follow = 2, 1, null)) as follow_sub
from tb_user_video_log a, tb_video_info b
where a.video_id = b.video_id
and year(start_time) = 2021
group by author,month
)
#计算2021年里每个创作者每月的涨粉率及截止当月的总粉丝量
select
author,
month,
round((follow_add-follow_sub)/b ,3) as fans_growth_rate,
sum(follow_add-follow_sub) over(partition by author order by month) as total_fans
from main
order by author,total_fans
关于开窗函数用法可以参考学习:https://blog.csdn.net/weixin_43997319/article/details/124964670
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
tag | dt | sum_like_cnt_7d | max_retweet_cnt_7d |
旅游 | 2021-10-01 | 5 | 2 |
旅游 | 2021-10-02 | 5 | 3 |
旅游 | 2021-10-03 | 6 | 3 |
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:
tag | dt | like_cnt | retweet_cnt |
旅游 | 2021-09-25 | 1 | 2 |
旅游 | 2021-09-26 | 0 | 1 |
旅游 | 2021-09-27 | 1 | 0 |
旅游 | 2021-09-28 | 0 | 1 |
旅游 | 2021-09-29 | 0 | 1 |
旅游 | 2021-09-30 | 1 | 1 |
旅游 | 2021-10-01 | 2 | 1 |
旅游 | 2021-10-02 | 1 | 3 |
旅游 | 2021-10-03 | 1 | 0 |
因此国庆头3天(10.01~10.03)里10.01的近7天(9.25~10.01)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。
SQL代码
with t as
(select b.tag,
mid(a.start_time,1,10) as dt,
sum(sum(a.if_like)) over (partition by b.tag order by mid(a.start_time,1,10) rows 6 preceding) as sum_like_cnt_7d,
max(sum(a.if_retweet)) over (partition by b.tag order by mid(a.start_time,1,10) rows 6 preceding) as max_retweet_cnt_7d
from tb_user_video_log a
join tb_video_info b on a.video_id=b.video_id
where datediff('2021-10-03',mid(a.start_time,1,10))<9
group by b.tag,dt
)
select * from t
where dt >='2021-10-01' and dt<='2021-10-03'
order by tag desc,dt asc
开窗函数
- rows n perceding:从当前行到前n行(一共n+1行)
- rang/rows between 边界规则1 and 边界规则2:rang表示按照值的范围进行定义框架,rows表示按照行的范围进行定义框架
①rows between 2 perceding and 2 following #当前行往前2行+当前行+当前行往后2行(一共5行)
②rows between 1 following 3 following #当前行的后1——>后3(共3行)
③rows between unbounded preceding and current row #从第一行到当前行
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。
- 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。
输出示例:
示例数据的输出结果如下
video_id | hot_index |
2001 | 122 |
2002 | 56 |
2003 | 1 |
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)。
SQL代码
with t1 as
(select a.video_id,
avg(if(timestampdiff(second,a.start_time,a.end_time)>=b.duration,1,0)) as a, #视频完播率
sum(a.if_like) as b, #点赞数
count(a.comment_id) as c, #评论数
sum(a.if_retweet) as d, #转发数
datediff((select max(end_time) from tb_user_video_log),max(a.end_time)) as f #最近无播放天数
from tb_user_video_log a
join tb_video_info b on a.video_id=b.video_id
where date(b.release_time) > date_sub((select max(end_time) from tb_user_video_log),interval 30 day)
group by a.video_id
)
select video_id,
round((a*100+b*5+c*3+d*2)/(f+1),0) as hot_index
from t1
order by hot_index desc
limit 3
题目本身不复杂,但是理解题目好难 … 比如,最近无播放天数,一直理解成最近两次播放天数间的间隔天数,实际要简单很多,就是整体最近的播放日期减每个视频的最近播放日期。