脸书Infra DS 电面

从版上学到了很多，也来share下脸家电面面经，求点大米，谢谢大家～

面我的是一个老印，心里有点怵。说话有些口音，但是讲话还算慢，解释问题还算清楚。但是比较不靠谱的是面试迟到了将近15分钟才call in，弄的我很紧张以为要reschedule了，特地请了半天假的。call in以后侃侃而谈介绍了组里的情况，讲了将近10分钟。然后让自我介绍和介绍做的项目，中间还问了一些项目里面的技术细节。当时内心是有点崩溃的，心里想着没多少时间可以做题了

最后不到30分钟的时候开始做题：

In our day to day routing, we normally create ETL pipelines that run onregular basis (say daily). These pipelines consist of a set of scheduled tasksthat are run in a cluster.

Coding:

Consider a csv log file of task runs in the following format.

task_id, period_id, cluster, event, event_time, status

t19876, 2017-01-12, c1, start, 1515734268,

t29654, 2017-01-12, c3, start, 1

您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 188 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

v>

Write SQL queries to answer the following questions:

Find top 3 clusters w.r.t to number of failures.

做到这题的时候只剩最后5分钟了。其实面试的时候很多时候题目并不难，难在怎么在紧张压力大的情况下保持冷静，给出解决方案。刚开始lz一慌直接写了limit 3，但是面试官还特地举例说要输出所有相等数的前三，类似dense rank。于是又开始修改输出。这里没做好的是没有提前先和面试官确认题目要求，时间一紧就开始方了

求版主打赏啊，求点大米和bless～

您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

最后一题，

1. select cluster, count(*) as num_failures
   
2. from table
   
3. where status='failure'
   
4. group by cluster
   
5. order by num_failures

复制代码

请问如何做dense rank，比如结果是8 8 7 6 5，如何输出8 8 7 6？

或许这样？

1. select * from (
   
2. select cluster, num_fails, dense_rank() over (order by num_fails desc) as rank_fails from
   
3. (select cluster, count(*) as num_fails from table where status = 'failure'
   
4. group by cluster ) num_fails_table
   
5. ) rank_fails_table
   
6. where rank_fails_table.rank_fails <= 3;

复制代码

可是太丑了，求教大佬

我喜欢你的版本，尤其是with语句，看起来更易读

select cluster, count(*) as num_failures
, dense_rank() over(order by count(*) desc) as rank_failures
from table
where status='failure'
group by cluster
having rank_failures <=3

您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
使用VIP即刻解锁阅读权限或查看其他获取积分的方式

游客，您好！
本帖隐藏的内容需要积分高于 100 才可浏览
您当前积分为 0。
VIP即刻解锁阅读权限 或 查看其他获取积分的方式
Unlock interview details and practice with AI
Curated Interview Questions from Top Companies

楼主可以share第一个问题的答案吗？

Signora 发表于 2019-1-26 06:57
第一个题我是用dict来做的，key就是task的id，value是一个list存同一个task多个运行时间。

import csv ...

Thanks! 谢谢楼主, 顶!