Hive sql 每天场景题12-15

12、查询所有商品（sku_info表）截至到2021年10月01号的最新商品价格（需要结合价格修改表进行分析）

期望结果如下：

sku_id <string> （商品id）	price <decimal(16,2)> （商品价格）
1	2000.00
2	10.00
3	5000.00
4	6000.00
5	500.00
6	2000.00
7	100.00
8	600.00
9	1000.00
10	90.00
11	66.00
12	20.00

需要用到的表：

商品信息表：sku_info

sku_id(商品id)	name(商品名称)	category_id(分类id)	from_date(上架日期)	price(商品价格)
1	xiaomi 10	1	2020-01-01	2000
6	洗碗机	2	2020-02-01	2000
9	自行车	3	2020-01-01	1000

商品价格变更明细表：sku_price_modify_detail

sku_id(商品id)	new_price(本次变更之后的价格)	change_date(变更日期)
1	1900.00	2021-09-25
1	2000.00	2021-09-26
2	80.00	2021-09-29
2	10.00	2021-09-30

代码

select a.sku_id,b.new_price  as price
from (select * from sku_info where from_date <='2021-10-01') a 
left join (select * from (select sku_id,new_price,change_date,rank() over(partition by sku_id order by change_date desc) as rk from sku_price_modify_detail where change_date <= '2021-10-01')c where rk=1 )b on a.sku_id=b.sku_id

13、订单配送中，如果期望配送日期和下单日期相同，称为即时订单，如果期望配送日期和下单日期不同，称为计划订单。
请从配送信息表（delivery_info）中求出每个用户的首单（用户的第一个订单）中即时订单的比例，保留两位小数，以小数形式显示。

期望结果如下：

percentage <decimal(16,2)>

0.50

需要用到的表：

配送信息表：delivery_info

delivery_id （运单 id ）	order_id （订单id）	user_id （用户 id ）	order_date （下单日期）	custom_date （期望配送日期）
1	1	101	2021-09-27	2021-09-29
2	2	101	2021-09-28	2021-09-28
3	3	101	2021-09-29	2021-09-30

代码

select  cast (avg(if(delivery_cat='即时订单',1,0)) as decimal(10,2))  as percentage
from (select 
 user_id 
,order_date 
,custom_date 
,if(order_date=custom_date ,'即时订单','计划订单') as delivery_cat
,delivery_id 
,rank() over(partition by user_id order by order_date,delivery_id  ) as rk from delivery_info
)a
where rk=1

14、 现需要请向所有用户推荐其朋友收藏但是用户自己未收藏的商品，请从好友关系表（friendship_info）和收藏表（favor_info）中查询出应向哪位用户推荐哪些商品。

期望结果如下：

user_id <string> （用户id）	sku_id <string> （应向该用户推荐的商品id）
101	2
101	4
101	7
101	9
101	8
101	11
101	1

需要用到的表：

好友关系表：friendship_info

user1_id（用户1 id）	user2_id（用户2 id）
101	1010
101	108
101	106

收藏表：favor_info

user_id(用户id)	sku_id(商品id)	create_date(收藏日期)
101	3	2021-09-23
101	12	2021-09-23
101	6	2021-09-25

代码

--列出用户，所以是user1_id
select distinct A.user1_id as user_id ,A.sku_id 
from 
(
    --用户->朋友->收藏 ， 列出所有有收藏的朋友，因为有些朋友没有收藏，所以用inner
    select A.user1_id,A.user2_id,B.sku_id 
    from 
    friendship_info A 
    inner join 
    favor_info B 
    on A.user2_id=B.user_id
)A 
-- 用户->收藏  ，用left join 以及 null 筛选 这些朋友有收藏但是用户本身没有收藏的用户
left join 
favor_info B  on A.user1_id=B.user_id and A.sku_id=B.sku_id
where B.sku_id is null
order by A.user1_id,A.sku_id 

15、从登录明细表（user_login_detail）中查询出，所有用户的连续登录两天及以上的日期区间，以登录时间（login_ts）为准。

期望结果如下：

user_id <string> (用户id)	start_date <string> (开始日期)	end_date <string> (结束日期)
101	2021-09-27	2021-09-30
102	2021-10-01	2021-10-02
106	2021-10-04	2021-10-05
107	2021-10-05	2021-10-06

需要用到的表：

登录明细表：user_login_detail

user_id(用户id)	ip_address(ip地址)	login_ts(登录时间)	logout_ts(登出时间)
101	180.149.130.161	2021-09-21 08:00:00	2021-09-27 08:30:00
102	120.245.11.2	2021-09-22 09:00:00	2021-09-27 09:30:00
103	27.184.97.3	2021-09-23 10:00:00	2021-09-27 10:30:00

代码

select * from (
select
user_id,min(login_ts) as start_date,max(login_ts) as end_date
from
(
    select
      -- 用户 开始日期 结束日期  下一个登录日期
      user_id,
      substr(login_ts, 1, 10) as login_ts,
      substr(logout_ts, 1, 10) as logout_ts,
      lead(substr(login_ts, 1, 10)) over(partition by user_id order by login_ts )  next_login_ts
    from
      user_login_detail
  ) a
where datediff(next_login_ts,login_ts)=1 or next_login_ts is null
group by user_id
order by user_id
)b where  datediff(end_date,start_date)>=1