Berbagi teknologi

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Batas waktu ujian tertulis rekrutmen outsourcing kelompok analisis data akun video adalah 45 menit.

Pertanyaannya didasarkan pada struktur 3 tabel. Tulis kode SQL spesifik untuk menyelesaikan masalah (definisi kategori lucu: klasifikasi video atau klasifikasi pembuat video sebagai "lucu") l

Pertanyaan 1: Keluarkan tabel dws kategori komedi untuk menganalisis 3 video terbaru penulis: keluaran 3 video yang baru-baru ini dirilis oleh masing-masing user_id pembuat video, keterpaparan dalam seminggu terakhir, dan jumlah total suka; user_id, jumlah paparan pengguna, jumlah suka pengguna, jumlah paparan, jumlah suka

SELECT
	vu.video_user_id AS user_id,
	count( DISTINCT uva.video_id ) AS video_count,
	sum( CASE WHEN uva.action_type = 1 THEN 1 ELSE 0 END ) AS exposure_user_count,
	sum( CASE WHEN uva.action_type = 2 THEN 1 ELSE 0 END ) AS like_user_count,
	sum( CASE WHEN uva.action_type = 1 THEN 1 ELSE 0 END ) AS exposeure_count,
	sum( CASE WHEN uva.action_type = 2 THEN 1 ELSE 0 END ) AS like_count 
FROM
	t_user_video_action_d uva
	JOIN t_video_d v ON uva.video_id = v.video_id
	JOIN t_video_user_d vu ON v.video_user_id = vu.video_user_id 
WHERE
	v.video_type = ‘搞笑’ 
	AND uva.ds >= to_date ( to_char ( SYSDATE,’ YYYYMMDD’ ) - 7,’ YYYYMMDD’ ) 
GROUP BY
	vu.video_user_id 
ORDER BY
	vu.video_user_id;

Pertanyaan 2: Keluarkan hasil angka: Pada video yang dibuat pada tahun 20221103, jika deskripsi video mengandung dua kata kunci "lelucon lucu" dan "talk show", maka itu adalah "konten lucu". "konten tidak lucu", dan hasil akhirnya adalah 20221103 jumlah video lucu dan tidak lucu setiap hari dengan duplikat yang dihapus.

SELECT
	count( DISTINCT CASE WHEN v.video_description LIKE ‘ %搞笑段子%’ OR v.video_description LIKE ‘ %脱口秀%’ THEN video_id ELSE NULL END ) AS funny_count,
	Count( DISTINCT CASE WHEN v.video_description NOT LIKE ‘ %搞笑段子%’ AND v.video_description NOT LIKE ‘ %脱口秀%’ THEN v.video_id ELSE NULL END ) AS not_funny_count form t_video_d v 
WHERE
	v.ds = to_date ( ‘ 20221103’,’ YYYYMMDD’ );

Pertanyaan 3: Hitung stempel waktu penayangan video pertama setiap pengguna setiap hari. Semakin cepat kecepatan larinya, semakin baik. Bidang keluarannya adalah tanggal, id pengguna, dan stempel waktu.

SELECT
	uva.ds AS date,
	uva.user_id,
	min( uva.TIMESTAMP ) AS first_exposure_timestamp form t_user_video_action_d uva 
WHERE
	uva.action_type = 1 
GROUP BY
	uva.user_id,
	uva.ds;

Pertanyaan 4: Keluarkan tabel dws untuk menanyakan tingkat retensi 7 hari dari pengguna aktif yang terekspos pada tanggal mana pun di masa lalu. Bidang keluarannya adalah tanggal, ID pengguna, dan tingkat retensi 7 hari. Struktur tabel spesifiknya adalah sebagai berikut: Tabel 1 Tabel perilaku pengguna: t_user_video_action_d l Partisi: ds ( Format yyyyMMdd) lKunci utama: user_id, video_id lArtinya: Agregasi semua perilaku pengguna pada video, kenaikan harian Nama bidang Jenis arti bidang

SELECT
	uvu.ds AS date,
	uvu.video_user_id AS user_id,
CASE
	
	WHEN count( DISTINCT first_action.video_user_id ) = 0 THEN
	0 ELSE sum( CASE WHEN to_char ( uvu.ds,’ YYYYMMDD’ ) BETWEEN first_action.first_ds AND first_action.first_ds + 6 THEN 1 ELSE 0 END ) 
	END / count( distion first_action.video_user_id ) AS retention_rate Form t_video_user_d uvu
	JOIN ( SELECT user_id, video_id, ds AS first_ds form t_user_video_action_d WHERE action_type = 1 GROUP BY user_id, video_id, ds ORDER BY ds ASC ) first_action ON uvu.video_user_id = first_action.user_id 
GROUP BY
	uvu.video_user_id,
uvu.ds;