HIveSQL面试题52：近一个月发布的视频中热度最高的top3视频【抖音面试题，不得不去吐槽的一个题目】-Toy模板网

这篇具有很好参考价值的文章主要介绍了HIveSQL面试题52：近一个月发布的视频中热度最高的top3视频【抖音面试题，不得不去吐槽的一个题目】。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

0 问题描述

1 数据准备

2 问题分析

3 小结

0 问题描述

现有用户-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	2021-09-24 10:00:00	2021-09-24 10:00:30	1	1	1	NULL
2	101	2001	2021-10-01 10:00:00	2021-10-01 10:00:31	1	1	0	NULL
3	102	2001	2021-10-01 10:00:00	2021-10-01 10:00:35	0	0	1	NULL
4	103	2001	2021-10-03 11:00:50	2021-10-03 10:00:35	1	1	0	1732526
5	106	2002	2021-10-02 11:00:05	2021-10-02 11:01:04	2	0	1	NULL
6	107	2002	2021-10-02 10:59:05	2021-10-02 11:00:06	1	0	0	NULL
7	108	2002	2021-10-02 10:59:05	2021-10-02 11:00:05	1	1	1	NULL
8	109	2002	2021-10-03 10:59:05	2021-10-03 11:00:01	0	1	0	NULL
9	105	2002	2021-09-25 11:00:00	2021-09-25 11:00:30	1	0	1	NULL
10	101	2003	2021-09-26 11:00:00	2021-09-26 11:00:30	1	0	0	NULL
11	101	2003	2021-09-30 11:00:00	2021-09-30 11:00:30	1	1	0	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	旅游	30	2021-09-05 07:00:00
2	2002	901	旅游	60	2021-09-05 07:00:00
3	2003	902	影视	90	2021-09-05 07:00:00
4	2004	902	影视	90	2021-09-05 08:00:00

（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：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。

输出示例：

示例数据的输出结果如下

video_id	hot_index
2001	122
2002	56
2003

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）。

1 数据准备

DROP TABLE IF EXISTS tb_user_video_log, tb_video_info;
CREATE TABLE tb_user_video_log (
    `uid` string COMMENT '用户ID',
    video_id string COMMENT '视频ID',
    start_time string COMMENT '开始观看时间',
    end_time string COMMENT '结束观看时间',
    if_follow string COMMENT '是否关注',
    if_like string COMMENT '是否点赞',
    if_retweet string COMMENT '是否转发',
    comment_id string COMMENT '评论ID'
) ;

CREATE TABLE tb_video_info (
    video_id string COMMENT '视频ID',
    author string COMMENT '创作者ID',
    tag string COMMENT '类别标签',
    duration string COMMENT '视频时长(秒数)',
    release_time string COMMENT '发布时间'
);

INSERT INTO tb_user_video_log(uid, video_id, start_time, end_time, if_follow, if_like, if_retweet, comment_id) VALUES
   (101, 2001, '2021-09-24 10:00:00', '2021-09-24 10:00:30', 1, 1, 1, null)
  ,(101, 2001, '2021-10-01 10:00:00', '2021-10-01 10:00:31', 1, 1, 0, null)
  ,(102, 2001, '2021-10-01 10:00:00', '2021-10-01 10:00:35', 0, 0, 1, null)
  ,(103, 2001, '2021-10-03 11:00:50', '2021-10-03 11:01:35', 1, 1, 0, 1732526)
  ,(106, 2002, '2021-10-02 10:59:05', '2021-10-02 11:00:04', 2, 0, 1, null)
  ,(107, 2002, '2021-10-02 10:59:05', '2021-10-02 11:00:06', 1, 0, 0, null)
  ,(108, 2002, '2021-10-02 10:59:05', '2021-10-02 11:00:05', 1, 1, 1, null)
  ,(109, 2002, '2021-10-03 10:59:05', '2021-10-03 11:00:01', 0, 1, 0, null)
  ,(105, 2002, '2021-09-25 11:00:00', '2021-09-25 11:00:30', 1, 0, 1, null)
  ,(101, 2003, '2021-09-26 11:00:00', '2021-09-26 11:00:30', 1, 0, 0, null)
  ,(101, 2003, '2021-09-30 11:00:00', '2021-09-30 11:00:30', 1, 1, 0, null);

INSERT INTO tb_video_info(video_id, author, tag, duration, release_time) VALUES
   (2001, 901, '旅游', 30, '2021-09-05 7:00:00')
  ,(2002, 901, '旅游', 60, '2021-09-05 7:00:00')
  ,(2003, 902, '影视', 90, '2021-09-05 7:00:00')
  ,(2004, 902, '影视', 90, '2021-09-05 8:00:00');
----------------------------------
输出结果如下：
2001|122
2002|56
2003|1

2 问题分析

该题目中各项指标定义非常模糊，很多定义并不明确，明显出题人语文水平并不过关，很多定义并没有直接给出，容易产生歧义。

各项指标的确定：

（1）近一个月的定义：为当前日志表（视频互动表tb_user_video_log）中end_time最新的日期往前减去29天。题中给出的是假设为T，则最近一个月按[T-29, T]闭区间统计。这样的定义实际上有问题的（很无语。。。。），因为存在视频发布当天并没有播放记录的情况。

举个例子：10.03往前推30天是09.04。我们要获取的统计时间区间是09.04-10.03。假设某个视频09.01发布，但是5天后才有第一次播放记录，那么这个视频最早的end_time是09.06，按照这个end_time，用DATEDIFF法来生成，得到的时间区间是09.06-10.03，明显不完整，题目也是没有完全讲清楚。。。。按照题目那样区间的定义肯定有问题。。。。所以此题左边区间应该是end_time -29,右边区间应该是发布时间。。。。

（2）新鲜度：最近无播放天数：当前表中最新日期与该视频的最新播放日期之间的差值。

（题目中并没有给出明确定义，靠猜。。。。。。。。）

新鲜度=1/(最近无播放天数+1)

（3）热度：

a:视频完播率:该题的完播率并没有给出明确定义，基本靠给的例子来猜测。

此处的定义应该是：用户-视频互动表tb_user_video_log中start_time 与end_time的差值大于短视频信息表tb_video_info中的duration时记为一次有效的播放（题目中描述的被播放次数。。。）与实际播放次数的比值（题目中描述的完成播放次数，我去理解实在太烧脑了。。。，实在不得不喷一下。。。）伪代码如下：

SUM(CASE WHEN(unix_timestamp(end_time)-unix_timestamp(start_time))>duration then 1 else 0 end) / COUNT(start.time)

      b:点赞数：SUM(CASE WHEN if_like=1 THEN 1 ELSE END)

      c：评论数              COUNT(comment_id)
      d：转发数              SUM(CASE WHEN if_retweet=1 THEN 1 ELSE 0 END)

最终SQL如下：

select
  video_id,
  cast(
    (
      100 * finish_play_rate + 5 * like_cnt + 3 * comment_cnt + 2 * retweet_cnt
    ) * fresh_rate as decimal(18, 0)
  ) as hot_index
from
  (
    SELECT
      tvi.video_id,
      SUM(
        CASE
          WHEN(
            unix_timestamp(tuvl.end_time) - unix_timestamp(tuvl.start_time)
          ) >= cast(tvi.duration as int) then 1
          else 0
        end
      ) / COUNT(tuvl.start_time) as finish_play_rate,
      SUM(
        CASE
          WHEN tuvl.if_like = '1' THEN 1
          ELSE 0
        END
      ) as like_cnt,
      COUNT(tuvl.comment_id) as comment_cnt,
      SUM(
        CASE
          WHEN tuvl.if_retweet = '1' THEN 1
          ELSE 0
        END
      ) as retweet_cnt,
      1 / (
        datediff(
          to_date(max(tuvl.last_time)),
          to_date(max(tuvl.END_time))
        ) + 1
      ) as fresh_rate
    FROM
      (
        select
          *,
          max(end_time) over() as last_time
        from
          tb_user_video_log
      ) AS tuvl
      LEFT JOIN tb_video_info AS tvi ON tuvl.video_id = tvi.video_id
    WHERE
      TO_DATE(tvi.release_time) >= DATE_SUB(TO_DATE(tuvl.last_time), 29)
    GROUP BY
      tvi.video_id
  ) t
ORDER BY
  hot_index DESC
LIMIT
  3

最终结果如下

video_id        hot_index
2001            122
2002            56
2003            1
Time taken: 3.316 seconds, Fetched: 3 row(s)

3 小结

这道题源自于牛客网，题目本身没什么难度，但在牛客中通过率极低，原因是题目本身但表达很模糊，很多定义没有直接给出，靠面试者猜，造成了误解，如果面试遇到这种题目90%挂，因为你不能准确理解题意，需要反复和面试官确认，即使做出来了，最终也是失败，而这题竟然出自抖音，面试出题也太随意了，无力吐槽，看来面试有时候真的靠缘分，哈哈哈。。。。