找回密码
 立即注册

QQ登录

只需一步,快速开始

扫一扫,极速登录

有关SQL | 写不好 SQL? 送你一个大招

讨论所有与SQL有关的内容

这两天一直在看《推荐系统实战》。书中提到基于用户行为推荐算法的时候,提到一个场景,其实用 SQL 来解,也非常容易。

已知场景是这样的,某视频网站收集了用户观影数据:

网站需要根据品味和观影历史,向用户推荐其他影片。

两个人的品味是否相近,依据年龄是否相仿,并不能最好地做出判断。但如果两人观影记录重叠,品味相近的概率就大很多。基于此,就可以互相推荐对方还未看过的电影了。

这个时候,用什么样的编程方式,来计算观影重叠,就值得商榷了

有人说用Python, 轻便简易;有人说用 Java,库多不愁;还有人说c++, 性能贼快。

作为 SQL 博主,当然推荐 SQL, 这种集合类计算,SQL 是把快刃。对于举棋不定的朋友,你一定是缺少数据建模思维,正所谓:心中有模型,则SQL自然成

为什么我一直推荐金融,财会,产品的朋友,都要学一学SQL, 学一学集合理论,原因就在这。SQL 理念有助于你理解现实中的思维逻辑,成为5分钟看透世界本质的人

所有工作中遇到的逻辑分析难题,都可以借助SQL来完成。下面这段话,建议你读三遍:

SQL 在手,人无我有。数据再大,我用SQL!

注意:SQL 在这里,一定要读 "色扣"。

那么怎么培养自己的数据建模思维呢?如下详细来说。

依据上面的观影日志记录,经过 ETL 裁剪,可得到观影记录如下:

ETL(Extract Transform Load) , 负责把数据转换成SQL可操作的格式。

此时,推荐问题就转换成了:哪两个人的观影重叠次数最多。

最终,问题就化解为简单的SQL题, Group by .... Order By... 模式:

由此可推导,与他/她同好的人,可能还喜欢对方的其他爱好。

那么,怎么才能生成如下两两组合,求观影重叠次数的数据模型呢?

很显然,要把原始数据打散,打平,破除原先不符合三范式的结构:

这个时候,最小粒度的数据模型就出来了,影片 + 观看者,没有有重复记录,也没有粘连的记录。

实现这一步,最常规的思维就是拆字符串, 可以自定义函数实现,也可以利用系统自带的函数。比如SQL Server中就有 string_split函数:

最后一步,是真正揭开本次算法的关键,也是我平常运用最多的一个思维,无中生有。

单列观影者,怎么才能组合成双列观影者呢?

很多教材,都有涉及 Join 这个主题。大多数一直在强调相等性 join, 对于不等性和半等性 Join, 重视不多。所以很多初学者自然不知道,Join 其实可以用 <> 来连接:

这里着重注意不等性 Join 的表达:

这个例子在平时工作中,非常具有典型性。用图再展示下一步步的思考流程:

在这里,有两步模型的转换值得记录:打破范式约束(打散粘连的字符串)和 不等性 Join.

每一步模型的转换,都可以沉淀出来一个套路,累积这些套路,你将会有一个强大的兵器库,来拆解各类逻辑问题。

工作刚开始的那几年,我一直热衷于编码,求多没求精,想来也是唏嘘。刷题固然重要,但刻意积累,才是最快地精通技艺的方法呢!真希望20岁时有人告诉我这些。

发表于 2021-9-6 17:01:04
欢迎大家直接关注我的账号,后续的更新可以在动态中收到

使用道具 举报

发表于 2021-9-7 09:56:22
sql切割汇总

使用道具 举报

发表于 2021-9-8 13:34:45
666

使用道具 举报

发表于 2021-9-9 16:39:57
有SQL的入门教程之类的么 想系统的学习下。

使用道具 举报

发表于 2021-9-10 09:01:20

使用道具 举报

发表于 2021-9-10 09:13:46

使用道具 举报

发表于 2021-9-11 10:43:36

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册  

本版积分规则

9回帖数 6关注人数 2260浏览人数
最后回复于:2021-9-11 10:43

Array ( [id] => 15 [code] => 4301 [product] => [title] => 帖子详情页右侧banner [demand] => 334px * 410px [img_url] => /uploads/20210924/0ef8ab120ada13ade42a6b049acebc47.jpg [click_url] => https://bbs.fanruan.com/thread-136829-1-1.html [status] => 1 [end_time] => 1633660825 [username] => isaac [edit_time] => 1632451230 )

联系社区管理员|联系帆软|《帆软社区协议》|手机版|帆软社区|Copyright © 帆软软件有限公司 ( 苏ICP备18065767号-7 )

GMT+8, 2021-9-29 03:30 , Processed in 0.123661 second(s), 59 queries , Gzip On.

返回顶部 返回列表