SQL 高階・爬蟲任務的連續失敗、缺漏與去重
連續區段、遞迴 CTE 產生日期找缺漏、重複鍵只留最新一筆。
這一頁是題幹試閱;登入/註冊後每題可以在瀏覽器裡執行、對答案,第一次交對 +10 XP。
- 01
連續失敗區段
困難連續區段要找出每個來源「連續失敗」的區段。把同一個
source的任務依started_at由早到晚排(started_at相同時依job_id由小到大),中間沒有被其他狀態(success、running)隔開、連在一起的 failed 任務算同一個區段。只列長度 ≥ 2 的區段。每個區段輸出一列:
source、first_job(區段第一個任務的job_id)、last_job(最後一個任務的job_id)、fails(區段內的任務數)。依source由小到大、再依first_job由小到大排序。資料表
crawl_job(爬蟲任務紀錄,每次執行一列):job_id任務編號(整數,主鍵,越晚建立越大)、source資料來源(文字)、run_date這次要抓哪一天的資料(文字,格式 'YYYY-MM-DD')、started_at開始時間、finished_at結束時間(文字,格式 'YYYY-MM-DD HH:MM:SS';還在執行的任務為 NULL)、status狀態(文字:'success'、'failed'、'running')、row_count抓到的筆數(整數;失敗或還在執行的任務為 NULL)。同一個來源同一天失敗後可能重跑,所以同一組 (source, run_date) 可能有多列。本題在瀏覽器內以 SQLite 執行,只寫一段 SELECT 即可。
作答登入後可作答 - 02
沒排到的抓取日
困難遞迴 CTE每個來源每天都應該為當天的
run_date跑一次任務(不論成敗都算有跑)。請找出 2026-11-01 到 2026-11-06(含兩端)之間,哪些「來源+日期」完全沒有任務。來源以
crawl_job裡出現過的source為準。資料庫沒有日曆表,日期要自己產生。輸出欄位依序為:
source、missing_date。依source由小到大、再依missing_date由早到晚排序。資料表
crawl_job(爬蟲任務紀錄,每次執行一列):job_id任務編號(整數,主鍵,越晚建立越大)、source資料來源(文字)、run_date這次要抓哪一天的資料(文字,格式 'YYYY-MM-DD')、started_at開始時間、finished_at結束時間(文字,格式 'YYYY-MM-DD HH:MM:SS';還在執行的任務為 NULL)、status狀態(文字:'success'、'failed'、'running')、row_count抓到的筆數(整數;失敗或還在執行的任務為 NULL)。同一個來源同一天失敗後可能重跑,所以同一組 (source, run_date) 可能有多列。本題在瀏覽器內以 SQLite 執行,只寫一段 SELECT 即可。
作答登入後可作答 - 03
重跑任務只留最新一次
困難去重同一組 (
source,run_date) 重跑過時,下游只採用最新的那一次:started_at最晚的那筆;started_at相同時取job_id較大的那筆。請只看「有重複」的組合(同一組 (
source,run_date) 有 2 筆以上任務),每組輸出一列:source、run_date、runs(該組任務數)、kept_job(保留那筆的job_id)、kept_status(保留那筆的status)、kept_rows(保留那筆的row_count,NULL 照印 None)。依
source由小到大、再依run_date由早到晚排序。資料表
crawl_job(爬蟲任務紀錄,每次執行一列):job_id任務編號(整數,主鍵,越晚建立越大)、source資料來源(文字)、run_date這次要抓哪一天的資料(文字,格式 'YYYY-MM-DD')、started_at開始時間、finished_at結束時間(文字,格式 'YYYY-MM-DD HH:MM:SS';還在執行的任務為 NULL)、status狀態(文字:'success'、'failed'、'running')、row_count抓到的筆數(整數;失敗或還在執行的任務為 NULL)。同一個來源同一天失敗後可能重跑,所以同一組 (source, run_date) 可能有多列。本題在瀏覽器內以 SQLite 執行,只寫一段 SELECT 即可。
作答登入後可作答

送件鴿飛出去了