飞猪SQL面试题—重点用户

在一些场景中我们经常听到这样的一些描述，例如20%的用户贡献了80%的销售额，或者是20%的人拥有着80%的财富，你知道这样的数据是怎么算出来的吗

数据如下,uid 是用户的id ,amount是用户的消费金额

|uid|amount|
+---+------+
|  1|    20|
|  2|    19|
|  3|  3000|
|  4|   200|
|  5|   300|
|  6|  2000|
|  7|    10|
|  8|     3|
|  9|     2|
| 10|     1|
| 11|     1|
| 12|  4000|
| 13|     5|
| 14|     5|
+---+------+

现在我们需要

1. 计算出贡献出90%的销售额的用户
2. 贡献出90%的销售额用户的人数占比

这里的计算逻辑就是按照用户的销售额从大到小进行累加，找到超过90的临界点，那这些用户就是我贡献出90%的销售额的用户，是重点用户。

计算出当前销售额和累计销售额的占比

首先我们计算出当前销售额和累计销售额，我们直接使用sum 窗口函数即可，这里我们没有partition by ,因为我们就是计算全部，不需要分组

select uid,amount,sum(amount)over(order by amount desc) as cur_amount,sum(amount)over() as total_amount
from amount

有了cur_amount和total_amount 计算占比就很简单了

select uid,amount,round(sum(amount)over(order by amount desc) /sum(amount)over(),2) as rate
from amount

找到临界点

其实这个这个时候我们可以看到在第三个用户也就是用户id 为6的那一行，累计销售占比已经超过了90%，也就是94%，此时的用户id 是13、3、6，这个时候我们的问题是我们要怎么把三个用户提出来呢

一般这个时候我们有两种实现方式

1. 排序，就像提取分组前几一样，我们通过序号小于等于多少
2. 标志位，满足的都是true 不满足的都是false，或者满足的都是1不满足的都是0

我们这个场景很明显用排序不是那么方便，因为这里的百分比值没有准确等于90%的，跟排序不一样，所以我们用标志位，我们要的数据用true 表示，不要的用false 表示

这里我们判断true 的逻辑是

1. rate 小于0.9
2. 当前rate 大于等于0.9，但是前面一个rate 小于0.9，那么此时当前记录包括之前的记录都是我们需要的，当前记录就是边界

selectuid,amount,rate,if(rate<0.9 or (rate>0.9 and lag(rate,1,0)over(order by amount desc)<0.9),true,false) as flag
from(select uid,amount,round(sum(amount)over(order by amount desc) /sum(amount)over(),2) as ratefrom amount
)tmp

我们可以看到数据是正确的，最后汇总一下

selectflag,count(1)
from(selectuid,amount,rate,if(rate<0.9 or (rate>0.9 and lag(rate,1,0)over(order by amount desc)<0.9),true,false) as flagfrom(select uid,amount,round(sum(amount)over(order by amount desc) /sum(amount)over(),2) as ratefrom amount)tmp
)
group by flag
grouping sets(flag,null)

总共14个人中，3个人的消费占了90%的总消费额