草庐IT

Hive SQL 五大经典面试题

TRX1024 2025-07-25 原文

目录

第 1 题 连续问题

分析：

解法：

第 2 题 分组问题

分析：

解法：

第 3 题 间隔连续问题

分析：

解法：

第 4 题 打折日期交叉问题

分析：

解法：

第 5 题 同时在线问题

分析：

解法：

第 1 题 连续问题

如下数据为蚂蚁森林中用户领取的减少碳排放量

id        dt                lowcarbon
1001    2021-12-12        123
1002    2021-12-12        45
1001    2021-12-13        43
1001    2021-12-13        45
1001    2021-12-13        23
1002    2021-12-14        45
1001    2021-12-14        230
1002    2021-12-15        45
1001    2021-12-15        23
.......

找出连续3天及以上减少碳排放量在100以上的用户

分析：

遇到这类问题，我们可以用等差数列法来求解，何为等差数列法？
等差数列法:两个等差数列如果等差相同,则相同位置的数据相减到的结果相同

比如有一个等差数列：2 3 4 5 6 7 8 对他们排序后的顺序为 1 2 3 4 5 6 7，转成列展示为：
num     rank    相同位置相减得(flag)
2        1          1
3        2          1
4        3          1
5        4          1
6        5          1
7        6          1
8        7          1
此时按照flag分组求和，就得到连续的条数
再如：
num     rank    相同位置相减得(flag)
2        1          1
3        2          1
4        3          1
7        4          3
8        5          3
9        6          3
10       7          3
14       8          6
15       9          6
按照flag分组求和，就得到连续的条数有三组：234(3)，789 10(4)，14 15(2)
基于这样的结果再做一次筛选就能得到想要的答案。

解法：

-- 1) 按照用户ID及时间字段分组,计算每个用户单日减少的碳排放量
select  id,
        dt,
        sum(lowcarbon) lowcarbon
from    test1
group by 
        id,dt
having  lowcarbon>100; 记为 t1
得到：
1001	2021-12-12		123
1001	2021-12-13		111
1001	2021-12-14		230

-- 2) 按照用户分组,同时按照时间排序,计算每条数据的Rank值
select  id,
        dt,
        lowcarbon,
        rank() over(partition by id order by dt) rk
from    t1; 记为 t2
得到：
1001    2021-12-12      123     1
1001    2021-12-13      111     2
1001    2021-12-14      230     3

-- 3) 将每行数据中的日期减去Rank值
select  id,
        dt,
        lowcarbon,
        date_sub(dt,rk) flag
from    t2; 记为 t3
得到：
1001    2021-12-12      123     2021-12-11
1001    2021-12-13      111     2021-12-11
1001    2021-12-14      230     2021-12-11

-- 4) 按照用户及Flag分组,求每个组有多少条数据,并找出大于等于3条的数据
select  id,
        flag,
        count(*) ct
from    t3
group by 
        id,flag
having  ct >= 3;
得到：
1001    2021-12-11      3

-- 5) 最终将SQL拼接在一起
select  id,
        flag,
        count(*) ct
from 
(       select  id,
                dt,
                lowcarbon,
                date_sub(dt,rk) flag
        from
        (       select  id,
                        dt,
                        lowcarbon,
                        rank() over(partition by id order by dt) rk
                from 
                (       select  id,
                                dt,
                                sum(lowcarbon) lowcarbon
                        from    test1
                        group by 
                                id,dt
                        having  lowcarbon > 100
                )t1
        )t2
)t3
group by 
        id,flag
having  ct >= 3;

第 2 题 分组问题

这里的分组不是简单的分组，而是会话的分组。

比如说，进入一个网站以后，可以连续的点击很多个页面，后台会记录用户的行为日志；如果T日上午连续点击几个页面后退出了网站，直到第二天的下午才再次进入网站，单单从时间线上来看，昨天退出的那条日志跟今天进入的那条日志是连在一起的，但这两条数据实际上并不是一个会话产生的，如果需要对这样的数据进行分组，将其分在两个不同的会话当中，应该怎么做呢？组与组之间的时间间隔应该是多少呢？

这个就得看具体的业务逻辑了，比如接下来的例子：

如下为电商公司用户访问时间数据

id      ts
1001    17523641234
1001    17523641256
1002    17523641278
1001    17523641334
1002    17523641434
1001    17523641534
1001    17523641544
1002    17523641634
1001    17523641638
1001    17523641654
时间间隔小于60秒，则分为同一个组
1001    17523641234     1
1001    17523641256     1
1001    17523641334     2
1001    17523641534     3
1001    17523641544     3
1001    17523641638     4
1001    17523641654     4
1002    17523641278     1
1002    17523641434     2
1002    17523641634     3

分析：

这个问题可以看做：判断连续的两条数据是否属于同一个组(时间有序)，这就涉及到当前行数据及前一行数据或者后一行数据的时间差是否在60秒以内，如果是就属于同一组，反之就不是同一组。

我们应该想到有两个窗口函数，用来获取当前行数据的前N行或者后N行数据：

  • 返回位于当前行的前n行的expr的值：LAG(expr,n,defval)
  • 返回位于当前行的后n行的expr的值：LEAD(expr,n,defval)

用法：

lag(exp_str,offset,defval) over(partion by ..order by …)
 
lead(exp_str,offset,defval) over(partion by ..order by …)

详细的用法感兴趣可以移步我的另一篇博客，干货满满：MySQL/Hive 常用窗口函数详解及相关面试题

解法：

-- 1) 按照id分组，将上一行时间数据下移，即将当前行的上一行时间移到当前行，
-- 如果前面没有数据，取默认值0 
select  id,
        ts,
        lag(ts,1,0) over(partition by id order by ts) lagts
from    test2; 记为 t1
得到：
1001    17523641234 0
1001    17523641256 17523641234
1001    17523641334 17523641256
1001    17523641534 17523641334
1001    17523641544 17523641534
1001    17523641638 17523641544
1001    17523641654 17523641638
1002    17523641278 0
1002    17523641434 17523641278
1002    17523641634 17523641434

-- 2) 将当前行时间数据减去上一行时间数据，得到两行数据的时间差
select  id,
        ts,
        ts-lagts tsdiff
from    t1; 记为 t2
得到：
1001    17523641234 17523641234
1001    17523641256 22
1001    17523641334 78
1001    17523641534 200
1001    17523641544 10
1001    17523641638 94
1001    17523641654 16
1002    17523641278 17523641278
1002    17523641434 156
1002    17523641634 200

-- 3) 计算每个用户范围内从第一行到当前行tsdiff大于等于60的总个数(分组号)
select  id,
        ts,
        sum(if(tsdiff >= 60,1,0)) over(partition by id order by ts) groupid -- 这一行将得到从第一行到当前行的 sum(if(tsdiff >= 60,1,0)) 值
from    t2;
得到：
1001    17523641234     1
1001    17523641256     1
1001    17523641334     2
1001    17523641534     3
1001    17523641544     3
1001    17523641638     4
1001    17523641654     4
1002    17523641278     1
1002    17523641434     2
1002    17523641634     3

-- 4) 最终将SQL拼接在一起
select  id,
        ts,
        sum(if(tsdiff>=60,1,0)) over(partition by id order by ts) groupid
from
(       select  id,
                ts,
                ts-lagts tsdiff
        from
        (       select  id,
                        ts,
                        lag(ts,1,0) over(partition by id order by ts) lagts
                from    test2
        )t1
)t2;

第 3 题 间隔连续问题

某游戏公司记录的用户每日登录数据

1001 2021-12-12
1002 2021-12-12
1001 2021-12-13
1001 2021-12-14
1001 2021-12-16
1002 2021-12-16
1001 2021-12-19
1002 2021-12-17
1001 2021-12-20

计算每个用户最大的连续登录天数，可以间隔一天。解释：如果一个用户在 1,3,5,6 登录游戏，则视为连续 6 天登录。

分析：

先将数据按照id,dt排序后得到：

id dt
1001 2021-12-12
1001 2021-12-13
1001 2021-12-14
1001 2021-12-16
1001 2021-12-19
1001 2021-12-20
1002 2021-12-12
1002 2021-12-16
1002 2021-12-17

依题意分析得到：

  1. 1001用户12、13、14、16号为连续登录，连续天数为5
  2. 1001用户19、20号为连续登录，连续天数为2
  3. 1002用户12号为连续登录，连续天数为1
  4. 1002用户16、17号为连续登录，连续天数为2

如果我们将以上四种情况分为四组，那四组的连续天数计算方式分别为：max(dt)-min(dt)+1，即

  1. 16-12+1=5
  2. 20-19+1=2
  3. 12-12+1=1
  4. 17-16+1=2

由此可见，该类问题就可以转换为，先将数据进行分组，再由组内最大日期减最小日期+1得到。分组问题也就是第二题。

以1001用户的数据为例，流程应该是：

时间下移                                 diff         sum(if(diff>2,1,0)) over(...) as group_flag
1001 2021-12-12     1970-01-01          564564      1
1001 2021-12-13     2021-12-12          1           1
1001 2021-12-14     2021-12-13          1           1
1001 2021-12-16     2021-12-14          2           1
1001 2021-12-19     2021-12-16          3           2
1001 2021-12-20     2021-12-19          1           2
然后按照group_flag分组取组内的最大日期和最小日期求diff+1，就是最大连续登录天数

解法：

-- 1) 将上一行时间数据下移
select  id,
        dt,
        lag(dt,1,'1970-01-01') over(partition by id order by dt) lagdt
from    test3;记为 t1
得到：
1001    2021-12-12  1970-01-01
1001    2021-12-13  2021-12-12
1001    2021-12-14  2021-12-13
1001    2021-12-16  2021-12-14
1001    2021-12-19  2021-12-16
1001    2021-12-20  2021-12-19

-- 2) 将当前行时间减去上一行时间数据(datediff(dt1,dt2))
select  id,
        dt,
        datediff(dt,lagdt) flag
from    t1; 记为 t2
得到：
1001    2021-12-12  564564
1001    2021-12-13  1
1001    2021-12-14  1
1001    2021-12-16  2
1001    2021-12-19  3
1001    2021-12-20  1

-- 3) 按照用户分组,同时按照时间排序,计算从第一行到当前行大于2的数据的总条数(sum(if(flag>2,1,0)))
select  id,
        dt,
        sum(if(flag>2,1,0)) over(partition by id order by dt) flag
from    t2;记为 t3
得到：
1001    2021-12-12  1
1001    2021-12-13  1
1001    2021-12-14  1
1001    2021-12-16  1
1001    2021-12-19  2
1001    2021-12-20  2

-- 4) 按照用户和flag分组,求最大时间减去最小时间并加上1
select  id,
        flag,
        datediff(max(dt),min(dt)) days
from    t3
group by 
        id,flag; 记为 t4
得到：
1001    1    4
1001    2    1

-- 5)取连续登录天数的最大值
select  id,
        max(days)+1
from    t4
group by 
        id;
得到：
1001    5
1002    2 （1002用户明细略）

-- 6) 将SQL拼接起来
select  id,
        max(days)+1
from
(       select  id,
                flag,
                datediff(max(dt),min(dt)) days
        from
        (       select  id,
                        dt,
                        sum(if(flag>2,1,0)) over(partition by id order by dt) flag
                from
                (       select  id,
                                dt,
                                datediff(dt,lagdt) flag
                        from 
                        (       select  id,
                                        dt,
                                        lag(dt,1,'1970-01-01') over(partition by id order by dt) lagdt
                                from    test3
                        )t1
                )t2
        )t3
        group by 
                id,flag
)t4
group by 
        id

第 4 题 打折日期交叉问题

如下为平台商品促销数据：字段为品牌，打折开始日期，打折结束日期

id 		stt 		edt
oppo	2021-06-05	2021-06-09
oppo	2021-06-11	2021-06-21
vivo	2021-06-05	2021-06-15
vivo	2021-06-09	2021-06-21
redmi	2021-06-05	2021-06-21
redmi	2021-06-09	2021-06-15
redmi	2021-06-17	2021-06-26
huawei	2021-06-05	2021-06-26
huawei	2021-06-09	2021-06-15
huawei	2021-06-17	2021-06-21

计算每个品牌总的打折销售天数，注意其中的交叉日期，比如 vivo 品牌，第一次活动时间为 2021-06-05 到 2021-06-15，第二次活动时间为 2021-06-09 到 2021-06-21 其中 9 号到 15 号为重复天数，只统计一次，即 vivo 总打折天数为 2021-06-05 到 2021-06-21 共计 17 天。

分析：

题意要求求某品牌总的打折天数，有两种情景需要考虑：

情景一：两次活动的日期没有交叉。如OPPO的两次活动：

id      stt         edt
oppo 2021-06-05 2021-06-09
oppo 2021-06-11 2021-06-21

对于这种情况，我们直接分别求diff再做sum即可，即(edt-stt+1)：

id      stt         edt        diff
oppo 2021-06-05 2021-06-09       5
oppo 2021-06-11 2021-06-21       11

再按照 id 分组求sum(diff)=16天

情景二：两次活动的日期有交叉。如vivo的两次活动：

id      stt         edt
vivo 2021-06-05 2021-06-15
vivo 2021-06-09 2021-06-21

第一次活动时间为[2021-06-05 , 2021-06-15]，第二次活动时间为 [2021-06-09, 2021-06-21] 其中 9 号到 15 号为重复天数，只统计一次，即 vivo 总打折天数为 [2021-06-05,2021-06-21] 共计 17 天。

如果不考虑交叉，仍然按照情景一的方式计算，两段活动日期的diff分别为：11、13，加起来是24天，如何将中间重复的天数只计算一次呢？

注意观察，出现日期交叉的原因是因为第二次活动的开始时间小于第一次活动的结束时间，换句话说，第一次活动还没结束第二次活动就开始了。

换个角度思考，如果第二次活动在第一次活动结束后再开始，就不会出现日期交叉了，我们试试将第二次活动的开始时间改为第一次活动结束+1看看会是什么样：

-- 2021-06-09 改成 2021-06-16
id      stt         edt
vivo 2021-06-05 2021-06-15
vivo 2021-06-16 2021-06-21

我们再用情景一的计算方式计算出来，活动天数为：11+6=17，符合题意。

通过这样的转换，就能将交叉重复的日期只计算一次，所以到此可以总结为：在计算时，先将本次活动的起始时间改为上次活动的结束时间+1，再分别做diff再求和即可。这样我们就可以用lag()或者lead()将edt字段下移做计算。但这样真的可以吗？会存在一个问题，看个redmi例子：

-- 原数据(人工计算出来的天数应该是22天)：
id      stt         edt
redmi 2021-06-05 2021-06-21
redmi 2021-06-09 2021-06-15
redmi 2021-06-17 2021-06-26

-- 按照分析，将"本次"活动的开始时间改为"上次"活动的结束时间+1：
id      stt         edt       edt下移                             diff(edt-stt+1)         
redmi 2021-06-05 2021-06-21 1970-01-01 --不变                       21-5+1=17    
redmi 2021-06-09 2021-06-15 2021-06-21 --2021-06-09改为2021-06-22   15-22+1= -6         
redmi 2021-06-17 2021-06-26 2021-06-15 --2021-06-17改为2021-06-16   26-16+1= 11

会发现，有负数出现，但这个无关紧要，在做sum时会过滤掉 <0 的天数
非负数求和加起来是28天，跟真实的22天不符。
问题出在第三行，2021-06-17改为2021-06-16，其实第三行的开始时间应该改成第三行前面活动的最大结束时间+1，即改成2021-06-22即可。

所以，前面的总结需要修改一下：在计算时，先将本次活动的起始时间改为前几次活动的最大结束时间+1，再分别做diff再求和即可。

实现过程中会用到开窗取前N行数据的最大值的知识点，具体用法感兴趣可以移步我的另一篇博客，干货满满：MySQL/Hive 常用窗口函数详解及相关面试题

解法：

-- 以 Redmi 数据为例
-- 1) 将当前行以前的数据中最大的edt放置当前行
select  id,
        stt,
        edt,
        max(edt) over(partition by id order by stt rows between UNBOUNDED PRECEDING and 1 PRECEDING) maxEdt
from    test4; 记为 t1
得到：
redmi   2021-06-05  2021-06-21  null
redmi   2021-06-09  2021-06-15  2021-06-21
redmi   2021-06-17  2021-06-26  2021-06-21

-- 2) 比较开始时间与移动下来的数据,如果开始时间大,则不需要操作,
-- 反之则需要将移动下来的数据加一替换当前行的开始时间
-- 如果是第一行数据,maxEDT为null,则不需要操作
select  id,
        if(maxEdt is null,stt,if(stt>maxEdt,stt,date_add(maxEdt,1))) stt,
        edt
from    t1; 记为 t2
得到：
redmi   2021-06-05  2021-06-21
redmi   2021-06-22  2021-06-15
redmi   2021-06-22  2021-06-26

-- 3) 将每行数据中的结束日期减去开始日期
select  id,
        datediff(edt,stt) days
from    t2; 记为 t3
得到：
redmi   16
redmi   -4
redmi   4

-- 4) 按照品牌分组,计算每条数据加一的总和
select  id,
        sum(if(days>=0,days+1,0)) days
from    t3
group by 
        id;
得到：
redmi   22

-- 5) 最终SQL
select  id,
        sum(if(days>=0,days+1,0)) days
from 
(       select  id,
                datediff(edt,stt) days
        from 
        (
                select  id,
                        if(maxEdt is null,stt,if(stt>maxEdt,stt,date_add(maxEdt,1))) stt,
                        edt
                from 
                (       select  id,
                                stt,
                                edt,
                                max(edt) over(partition by id order by stt rows between UNBOUNDED PRECEDING and 1 PRECEDING) maxEdt
                        from    test4
                )t1
        )t2
)t3
group by 
        id

第 5 题 同时在线问题

如下为某直播平台主播开播及关播时间，根据该数据计算出平台最高峰同时在线的主播人数。

id		stt						edt
1001	2021-06-14 12:12:12		2021-06-14 18:12:12
1003	2021-06-14 13:12:12		2021-06-14 16:12:12
1004	2021-06-14 13:15:12		2021-06-14 20:12:12
1002	2021-06-14 15:12:12		2021-06-14 16:12:12
1005	2021-06-14 15:18:12		2021-06-14 20:12:12
1001	2021-06-14 20:12:12		2021-06-14 23:12:12
1006	2021-06-14 21:12:12		2021-06-14 23:15:12
1007	2021-06-14 22:12:12		2021-06-14 23:10:12

分析：

采用流式数据的思想，将一条数据拆分成两条(id,dt,p)，并且对数据进行标记：开播为1，关播为-1，1表示有主播开播在线，-1表示有主播关播离线，其中dt为开播时间或者关播时间：

 id             dt              p
1001    2021-06-14 12:12:12     1
1001    2021-06-14 18:12:12     -1
1001    2021-06-14 20:12:12     1
1001    2021-06-14 23:12:12     -1
1002    2021-06-14 15:12:12     1
1002    2021-06-14 16:12:12     -1
1003    2021-06-14 13:12:12     1
1003    2021-06-14 16:12:12     -1
1004    2021-06-14 13:15:12     1
1004    2021-06-14 20:12:12     -1
1005    2021-06-14 15:18:12     1
1005    2021-06-14 20:12:12     -1
1006    2021-06-14 21:12:12     1
1006    2021-06-14 23:15:12     -1
1007    2021-06-14 22:12:12     1
1007    2021-06-14 23:10:12     -1

然后按照dt排序，求某一时刻的主播在线人数，直接对那时刻之前的p求和即可。

那要求一天中最大的同时在线人数，就需要先分别求出每个时刻的同时在线人数，再取最大值即可。需要用到开窗函数：sum() over(...)

解法：

-- 1) 对数据分类,在开始数据后添加正1,表示有主播上线,同时在关播数据后添加-1,表示有主播下线
select id,stt as dt, 1 as p from test5
union
select id,edt as dt,-1 as p from test5 记为 t1
得到：
1001    2021-06-14 12:12:12     1
1001    2021-06-14 18:12:12     -1
1001    2021-06-14 20:12:12     1
1001    2021-06-14 23:12:12     -1
1002    2021-06-14 15:12:12     1
1002    2021-06-14 16:12:12     -1
1003    2021-06-14 13:12:12     1
1003    2021-06-14 16:12:12     -1
1004    2021-06-14 13:15:12     1
1004    2021-06-14 20:12:12     -1
1005    2021-06-14 15:18:12     1
1005    2021-06-14 20:12:12     -1
1006    2021-06-14 21:12:12     1
1006    2021-06-14 23:15:12     -1
1007    2021-06-14 22:12:12     1
1007    2021-06-14 23:10:12     -1

-- 2) 按照时间排序,计算累加人数
select  id,
        dt,
        sum(p) over(order by dt) sum_p -- 重点
from    t1; 记为 t2

-- 3) 找出同时在线人数最大值
select  max(sum_p)
from 
(       select  id,
                dt,
                sum(p) over(order by dt) sum_p
        from 
        (       select id,stt as dt, 1 as p from test5
                union
                select id,edt as dt,-1 as p from test5
        )t1
)t2
试题Hive2021xffxff0c

有关Hive SQL 五大经典面试题的更多相关文章

  1. 7个大一C语言必学的程序 / C语言经典代码大全 - 2

    嗨~大家好，这里是可莉！今天给大家带来的是7个C语言的经典基础代码~那一起往下看下去把【程序一】打印100到200之间的素数#includeintmain(){ inti; for(i=100;i 【程序二】输出乘法口诀表#includeintmain(){inti;for(i=1;i 【程序三】判断1000年---2000年之间的闰年#includeintmain(){intyear;for(year=1000;year 【程序四】给定两个整形变量的值，将两个值的内容进行交换。这里提供两种方法来进行交换，第一种为创建临时变量来进行交换，第二种是不创建临时变量而直接进行交换。1.创建临时变量来

  2. Hive SQL 五大经典面试题 - 2

    目录第1题连续问题分析：解法：第2题分组问题分析：解法：第3题间隔连续问题分析：解法：第4题打折日期交叉问题分析：解法：第5题同时在线问题分析：解法：第1题连续问题如下数据为蚂蚁森林中用户领取的减少碳排放量iddtlowcarbon10012021-12-1212310022021-12-124510012021-12-134310012021-12-134510012021-12-132310022021-12-144510012021-12-1423010022021-12-154510012021-12-1523.......找出连续3天及以上减少碳排放量在100以上的用户分析：遇到这类

  3. 深度学习12. CNN经典网络 VGG16 - 2

    深度学习12.CNN经典网络VGG16一、简介1.VGG来源2.VGG分类3.不同模型的参数数量4.3x3卷积核的好处5.关于学习率调度6.批归一化二、VGG16层分析1.层划分2.参数展开过程图解3.参数传递示例4.VGG16各层参数数量三、代码分析1.VGG16模型定义2.训练3.测试一、简介1.VGG来源VGG（VisualGeometryGroup）是一个视觉几何组在2014年提出的深度卷积神经网络架构。VGG在2014年ImageNet图像分类竞赛亚军，定位竞赛冠军；VGG网络采用连续的小卷积核（3x3）和池化层构建深度神经网络，网络深度可以达到16层或19层，其中VGG16和VGG

  4. 蓝桥杯C/C++VIP试题每日一练之报时助手 - 2

    ?作者主页：静Yu?简介：CSDN全栈优质创作者、华为云享专家、阿里云社区博客专家，前端知识交流社区创建者?社区地址：前端知识交流社区?博主的个人博客：静Yu的个人博客?博主的个人笔记本：前端面试题个人笔记本只记录前端领域的面试题目，项目总结，面试技巧等等。接下来会更新蓝桥杯官方系统基础练习的VIP试题，依然包括解题思路，源代码等等。问题描述：给定当前的时间，请用英文的读法将它读出来。时间用时h和分m表示，在英文的读法中，读一个时间的方法是：　　如果m为0，则将时读出来，然后加上“o’clock”，如3:00读作“threeo’clock”。　　如果m不为0，则将时读出来，然后将分读出来，如5

  5. micropython复现经典单片机项目（二）可视化音频 频谱解析（基本搞定） - 2

    本人是音乐爱好者，从小就特别喜欢那个随着音乐跳动的方框效果，就是这个：arduino上一大把对，我忍你很久了，我就想用mpy做，全网没有，行我自己研究。果然兴趣是最好的老师，我之前有篇博客专门讲音频，有兴趣的可以回顾一下。提到可视化频谱，必然绕不开fft，大学学过这玩意，当时一心玩，老师讲的一个字都么听进去，网上教程简略扫了一下，大该就是把时域转频域的工具，我大mpy居然没有fft函数，奶奶的，先放着。音频信息如何收集？第一种傻瓜式的ADC，模拟转数字，原始粗暴，第二种，I2S库，我之前博客有讲过，数据是PCM编码。然后又去学PCM编码，一学豁然开朗，舒服，以代码为例：audio_in=I2S

  6. 华为OD机试 -旋转骰子（Python） | 机试题算法思路 【2023】 - 2

    最近更新的博客华为OD机试-卡片组成的最大数字（Python）|机试题算法思路华为OD机试-网上商城优惠活动（一）（Python）|机试题算法思路华为OD机试-统计匹配的二元组个数（Python）|机试题算法思路华为OD机试-找到它（Python）|机试题算法思路华为OD机试-九宫格按键输入（Python）|机试算法备考思路华为OD机试-身高排序（Python）|备考思路使用说明参加华为od机试，一定要注意不要完全背诵代码，需要理解之后模仿写出，通过率才会高。华为OD清单查看地址：blog.csdn.net/hihell/catego

  7. 开发人员使用Klocwork进行软件安全的五大原因 - 2

    Klocwork专为企业DevOps和DevSecOps而构建，是首选的静态分析和SAST工具，用于保持高开发速度，同时还强制实施安全性和质量的持续合规性。在这里，我们分享了开发人员选择Klocwork的五大原因。为什么安全性对软件开发至关重要？安全性对于软件开发至关重要，因为黑客和网络犯罪分子一直在寻找将漏洞转化为利益的方法。强大的软件安全防御的一个关键部分是使用安全编码标准，这些标准是用于防止安全漏洞的规则和准则。如果使用得当，安全编码标准可以检测、预防和消除可能危及安全性的漏洞。行业标准工具（特别是SAST工具）可以有效地实施标准，以帮助确保您的软件免受安全漏洞的侵害。开发人员使用Klo

  8. 网络安全岗位面试题 - 2

    前言介绍了网络安全岗位常见的面试题，仅供参考！一、常识部分1.Linux服务器种用户关键信息存储在那个文件中？启动、停止、重启、开机自启mysql服务命令？如何查找/etc/test.txt文件中"password"关键字信息?如何精确查找80端口？/etc/passwdsystemctlstartmysqld或systemmysqldstart 启动systemctlstopmysqld或systemmysqldstop 停止systemctlrestartmysqld或systemmysqldrestart 重启systemctlenablemysqld或systemmysqldenabl

  9. ruby 面试题 - 2

    我在之前的面试中遇到了这个问题，但做不到，知道吗？这是做什么的:`$=`;$_=\%!;($_)=/(.)/;$==++$|;($.,$/,$,,$\,$",$;,$^,$#,$~,$*,$:,@%)=($!=~/(.)(.).(.)(.)(.)(.)..(.)(.)(.)..(.)......(.)/,$"),$=++;$.++;$.++;$_++;$_++;($_,$\,$,)=($~.$"."$;$/$%[$?]$_$\$,$:$%[$?]",$"&$~,$#,);$,++;$,++;$^|=$";`$_$\$,$/$:$;$~$*$%[$?]$.$~$*${#}$%[$?]$;

  10. 华为OD机试题 Q2 押题【贪心的商人 or 最大利润】用 C++ 编码，速通 - 2

    最近更新的博客华为od2023|什么是华为od，od薪资待遇，od机试题清单华为OD机试真题大全，用Python解华为机试题|机试宝典【华为OD机试】全流程解析+经验分享,题型分享,防作弊指南华为od机试，独家整理已参加机试人员的实战技巧本篇题解：贪心的商人or最大利润题目描述商人经营一家店铺，有number种商品，由于仓库限制每件商品的最大持有数量是item[index]，每种商品的价格在每天是item_price[item_index][day]，通过对商品的买进和卖出获取利润，请给出商人在days天内能获取到的最大的利润；注：同一件商品可以反复买进和卖出；输入描述3//输入商品的数量nu

随机推荐