SQL 文章UV和PV统计：COUNT DISTINCT + COUNT（腾讯面试题）

数据仓库晨曦

发布于 2026-07-23 21:31:20

110

一、题目背景

这道题来自腾讯新闻/腾讯视频等内容业务的数据分析岗面试。PV（页面浏览量）和UV（独立访客数）是内容平台最基础的指标体系——PV衡量内容的总曝光量，UV衡量覆盖了多少独立用户。两者的比值 PV/UV 代表人均阅读次数，是衡量内容"粘性"的关键指标。

业务场景：腾讯新闻的编辑每天要看"昨日文章PV/UV排行榜"，决定今天头条推什么。运营团队则通过 PV/UV 比值判断文章是否"标题党"——PV很高但UV一般，说明同一批用户反复点进来又出去。

二、题目

现有一张文章阅读日志表 t9_article_read_log，记录了用户每次阅读文章的行为明细。请统计每篇文章的 PV（页面浏览量） 和 UV（独立访客数），并计算每篇文章PV占总PV的比例。按照PV降序排列。

PV（Page View）：文章被阅读的总次数，同一用户多次阅读算多次
UV（Unique Visitor）：文章的独立访客数，同一用户多次阅读只算1次

文章阅读日志表 t9_article_read_log：

+----------+-------------+----------------------+
| user_id  | article_id  |      read_time       |
+----------+-------------+----------------------+
| u01      | A001        | 2023-03-01 08:00:00  |
| u01      | A001        | 2023-03-01 09:00:00  |
| u01      | A002        | 2023-03-01 10:00:00  |
| u02      | A001        | 2023-03-01 11:00:00  |
| u02      | A003        | 2023-03-01 12:00:00  |
| u03      | A001        | 2023-03-01 13:00:00  |
| u03      | A002        | 2023-03-01 14:00:00  |
| u03      | A002        | 2023-03-01 15:00:00  |
| u04      | A001        | 2023-03-01 16:00:00  |
| u04      | A002        | 2023-03-02 08:00:00  |
| u05      | A003        | 2023-03-02 09:00:00  |
| u05      | A003        | 2023-03-02 10:00:00  |
| u05      | A003        | 2023-03-02 11:00:00  |
| u05      | A004        | 2023-03-02 12:00:00  |
+----------+-------------+----------------------+

三、思路分析

这是一道典型的聚合统计基础题，难度不高但考察对业务指标（PV/UV）的理解和SQL基础聚合函数的运用：

PV：使用 count(*) 或 count(article_id) 统计总行数
UV：使用 count(distinct user_id) 统计去重后的用户数
按 article_id 分组 group by，按 PV 降序排列 order by

维度	评分
题目难度	⭐️
题目清晰度	⭐️⭐️⭐️⭐️⭐️
业务常见度	⭐️⭐️⭐️⭐️⭐️

四、逐步推导

1. 直接按文章ID分组统计PV和UV

执行SQL

select article_id,
       count(*)                as pv,  -- 页面浏览量
       count(distinct user_id) as uv   -- 独立访客数
from t9_article_read_log
group by article_id
order by pv desc

执行结果

+-------------+-----+-----+
| article_id  | pv  | uv  |
+-------------+-----+-----+
| A001        | 5   | 4   |
| A003        | 4   | 2   |
| A002        | 4   | 3   |
| A004        | 1   | 1   |
+-------------+-----+-----+
4 rows selected (9.002 seconds)(https://www.dwsql.com)

2. 计算每篇文章的PV占比

执行SQL

select article_id,
       pv,
       uv,
       round(pv / sum(pv) over (), 4) as pv_rate
from (
    select article_id,
           count(*)                as pv,
           count(distinct user_id) as uv
    from t9_article_read_log
    group by article_id
) t
order by pv desc

执行结果

+-------------+-----+-----+----------+
| article_id  | pv  | uv  | pv_rate  |
+-------------+-----+-----+----------+
| A001        | 5   | 4   | 0.3571   |
| A003        | 4   | 2   | 0.2857   |
| A002        | 4   | 3   | 0.2857   |
| A004        | 1   | 1   | 0.0714   |
+-------------+-----+-----+----------+
4 rows selected (1.108 seconds)(https://www.dwsql.com)

五、常见坑点

坑1：COUNT vs COUNT DISTINCT 别搞混

PV用 COUNT(*)（每次阅读算一次），UV用 COUNT(DISTINCT user_id)（每个用户只算一次）。这是两个SQL关键词的差异，也是两个业务指标的本质区别。面试中如果PV和UV都写了COUNT(*)，基本直接挂。

坑2：DISTINCT 的性能代价

COUNT(DISTINCT user_id) 在大数据量下会触发全量去重，Shuffle数据量大时性能较差。如果数据量很大且允许近似值，可以考虑 approx_count_distinct()（Spark SQL）或 HyperLogLog 算法。

六、举一反三

人均PV（PV/UV）：加一列 round(pv / uv, 2) as avg_pv_per_user，衡量每用户平均阅读次数
按时间维度统计：GROUP BY 加上 date 字段，按天看PV/UV趋势和周末效应
新老用户分层：关联用户表，按新用户/老用户分组统计PV/UV，对比两者的阅读行为差异
阅读深度：如果日志表有 read_duration（阅读时长），按阅读时长分段统计PV分布

七、知识点总结

考点	说明
COUNT(*) = PV	统计总行数，即页面总浏览量
COUNT(DISTINCT user_id) = UV	去重统计独立用户数
GROUP BY + ORDER BY	按文章分组并按PV降序排列
SUM() OVER() 占比	窗口函数一次扫描算全表总和，得到占比

八、建表语句和数据插入

CREATE TABLE t9_article_read_log (
    user_id    stringCOMMENT'用户ID',
    article_id stringCOMMENT'文章ID',
    read_time  stringCOMMENT'阅读时间'
) COMMENT'文章阅读日志表';

-- 数据插入
INSERTINTO t9_article_read_log VALUES
('u01', 'A001', '2023-03-01 08:00:00'),
('u01', 'A001', '2023-03-01 09:00:00'),
('u01', 'A002', '2023-03-01 10:00:00'),
('u02', 'A001', '2023-03-01 11:00:00'),
('u02', 'A003', '2023-03-01 12:00:00'),
('u03', 'A001', '2023-03-01 13:00:00'),
('u03', 'A002', '2023-03-01 14:00:00'),
('u03', 'A002', '2023-03-01 15:00:00'),
('u04', 'A001', '2023-03-01 16:00:00'),
('u04', 'A002', '2023-03-02 08:00:00'),
('u05', 'A003', '2023-03-02 09:00:00'),
('u05', 'A003', '2023-03-02 10:00:00'),
('u05', 'A003', '2023-03-02 11:00:00'),
('u05', 'A004', '2023-03-02 12:00:00');

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2026-07-20，如有侵权请联系 cloudcommunity@tencent.com 删除

统计