京东Hive SQL面试题：京东店铺访问统计的终极解法（附幽默彩蛋）

京东Hive SQL面试题：京东店铺访问统计的终极解法（附幽默彩蛋）

大家好，今天我们来破解一道京东跳动高频Hive SQL面试题——京东店铺访问统计。题目看似简单，但隐藏着窗口函数和分组聚合的巧妙配合。准备好你的咖啡，我们开始飙车！

题目描述

表结构：访问日志表Visit

• user_id：访客ID（用户唯一标识）
• shop：被访问的店铺名称

需求：

1. 统计每个店铺的UV（独立访客数）
2. 输出每个店铺访问次数Top3的访客信息（店铺名、用户ID、访问次数）

解题思路

问题一：每个店铺的UV

UV即Unique Visitor，统计逻辑简单粗暴：按店铺分组，去重统计用户数。
但要注意：50万店铺的数据量下，COUNT(DISTINCT)可能成为性能瓶颈。不过面试场景中，先保证逻辑正确，优化问题可后续讨论。

代码实现：

SELECT 
    shop,
    COUNT(DISTINCT user_id) AS uv
FROM Visit
GROUP BY shop;

问题二：Top3访客信息

这里需要两步操作：

1. 计算每个用户在各店铺的访问次数：按店铺和用户分组聚合
2. 窗口函数排名：按访问次数降序排列，取前三名

代码实现：

SELECT 
    shop,
    user_id,
    visit_count
FROM (
    SELECT 
        shop,
        user_id,
        visit_count,
        RANK() OVER (PARTITION BY shop ORDER BY visit_count DESC) AS rk
    FROM (
        SELECT 
            shop,
            user_id,
            COUNT(*) AS visit_count  -- 统计访问次数
        FROM Visit
        GROUP BY shop, user_id
    ) t1
) t2
WHERE rk <= 3;

技术细节剖析

1. 为什么用RANK()而不用ROW_NUMBER()？

   • RANK()允许并列排名（比如两个用户访问次数相同则共享名次），而ROW_NUMBER()强制顺序编号。
   • 但注意：如果出现并列第三名，RANK()可能导致结果超过3条。若题目要求严格3条，可改用ROW_NUMBER()。

2. 性能优化小贴士

   • 如果数据量极大，可先对shop和user_id建立联合索引。
   • 使用MAPJOIN对小表进行缓存优化（但本题中店铺数为50W，可能不适用）。

幽默彩蛋

面试官：如果某个店铺的Top3有10个用户并列怎么办？
你：那我建议京东给这10位“铁杆粉丝”颁发【最佳钉子户】奖杯，并附赠终身VIP——毕竟他们撑起了店铺的KPI！
（正经回答：需明确需求是否允许并列，或用DENSE_RANK()处理名次密度）

总结

• UV统计：分组去重是核心
• TopN问题：窗口函数+子查询的黄金组合
• 面试加分点：讨论排名函数差异和性能优化策略

搞定这道题，你离字节的Offer又近了一步！🚀