昨天群上有人發個阿里的面試題，題目描述大概如下：
數據源：用戶登錄表，只有倆個字段，uid和dt
試用HQL抽取出連續登錄了K天的用戶uid
第一個想法就是直接用一個UDF解決，按uid分組，把dt收集起來然后在UDF里面判斷是否滿足條件
SELECT uid, isExist(collect_set(dt), k) flag FROM table_name GROUP BY uid HAVING flag = 1;
其中isExist的邏輯是判斷collect_set中是否存在k個連續的值
這種方法簡單明了，但是需要額外的寫一個UDF，對於不懂JAVA的來說確實比較麻煩
今天群里有個神人給出了一種新的解決思路，十分完美的解決了，下面是具體代碼
SELECT uid, MAX(dt) - MIN(dt) diff, COLLECT_set (dt) FROM (SELECT a.uid, a.dt, dt - rn num FROM (SELECT uid, dt, row_number () over (PARTITION BY uid ORDER BY dt) rn FROM table_name GROUP BY uid, dt) a) a GROUP BY uid, num
該思路首先利用窗口函數以uid分組然后按照dt排序給出每個dt在排序中的位置，然后用求出dt與位置的差（記為num)
最后按照uid和num做一個聚合，容易發現同一個num組內的dt是連續的值
然后直接計數(count(*))就可以得出結果了
上面的代碼只是為了更加方便看到輸出的結果正確性，輸出結果如下：
UID DIFF DT_ARRAY 1043736 3.0 ｛20140815 20140814 20140813 20140812｝ 1043736 0.0 ｛20140818｝ 1043736 1.0 ｛20140821 20140820｝ 1043844 0.0 ｛20140814｝ 1044090 1.0 ｛20140812 20140811｝ 1044090 2.0 ｛20140816 20140815 20140817｝ 1044090 0.0 ｛20140821｝ 1044264 0.0 ｛20140810｝ 1044264 3.0 ｛20140815 20140814 20140813 20140812｝ 1044264 5.0 ｛20140821 20140820 20140822 20140819 20140817 20140818｝
結果中uid = 1043736 的一共登錄了7天，其中可以拆分成三個連續的登錄模塊，分別是連續登錄1天、2天和4天