方法一：

思路：

1. 原始数据

易错点：要筛去 artical_id=0的数据 2. 时刻的选取

• 题目要求“同一时刻”，而时间是连续变量，该选取什么时刻作为关注对象呢？根据例题画出了上图，可以直观发现，每一个有人进出的时刻都会人数变化，不妨取进出时刻为“关键时刻”point_time。
• in_time和out_time都是point_time，同时选取表格中的不同变量，可以分别选取再用union连接
• 易错点！！！一定要用union，而不是union all！！！ （笔者因为这个问题卡了一下午）

前者去重，后者不去重。 若不去重，后续统计同一时刻在看的总人数时，会重复计算同时有进出的时刻的人数，导致结果错误

3. 是否在看的判断标准

• 题目提到，若同一时刻有人进入也有离开，先记录进入，再记录离开，也就是同一时刻会对应两个总人数值，两值相差1。但既然题目最终只要求最大人数，对于同时有进出的时刻，我们不妨只取进入未离开的状态，也就是更大的总人数。
• 由此，将每个用户观看的时间段与point_time对照，判断某时刻某用户是否在看： if(point_time between in_time and out_time,1,0)

代码

1. 取关键时刻point_time表q1

select artical_id,in_time as point_time
    from tb_user_log 
    where artical_id!=0
    union all 
    select artical_id,out_time as point_time
    from tb_user_log
    where artical_id!=0
order by artical_id,point_time

• 若不去重（union all）
• 若去重（union）

2. 对每个point_time，统计所有用户在看情况，得到表q

select q1.artical_id,point_time,
   sum(if(point_time between in_time and out_time,1,0)) as uv
   from 
    (
select artical_id,in_time as point_time
    from tb_user_log 
    where artical_id!=0
    union 
    select artical_id,out_time as point_time
    from tb_user_log
    where artical_id!=0
order by artical_id,point_time
) as q1
   join tb_user_log as q2
   on q1.artical_id=q2.artical_id
   group by artical_id,point_time

• 拼接结果（部分）

• 拼接结果整合（按id和日期sum后)

3. 取每篇文章同一时刻最大在看人数

select artical_id,max(uv) as max_uv
from 
  (select q1.artical_id,point_time,
   sum(if(point_time between in_time and out_time,1,0)) as uv
   from 
    (
select artical_id,in_time as point_time
    from tb_user_log 
    where artical_id!=0
    union 
    select artical_id,out_time as point_time
    from tb_user_log
    where artical_id!=0
order by artical_id,point_time
) as q1
   join tb_user_log as q2
   on q1.artical_id=q2.artical_id
   group by artical_id,point_time) as q
group by artical_id
order by max_uv desc

• 若不去重，所得结果： 所以一定要去重啊朋友们！！！

方法二：

题解区大部分友友的思路：

1. 同样取关键时刻，但对进出予以区分，进diff=+1，退diff=-1
2. 按时间排序后巧用**sum()over(partition by order by)**可得截止每个关键时刻的总人数
3. 易错点：先进后出，故sum(diff)时不但要time asc，还要diff desc

代码：

select artical_id,max(uv) as max_uv
from 
  (select q1.artical_id,point_time,
   sum(diff) over (partition by artical_id order by point_time,
                  diff desc) as uv
   from 
    (select artical_id,in_time as point_time, 1 as diff
    from tb_user_log 
     where artical_id!=0
    union all 
    select artical_id,out_time as point_time,-1 as diff
    from tb_user_log
    where artical_id!=0
    order by artical_id,point_time) as q1
   ) as q2
group by artical_id
order by max_uv desc

两方法对比：

1. 易错点：

• 方法一由于最终取最大值，不考虑同时有进出时刻的“出”情况，故不区分in和out，但易错点也在于此，既然要sum，就要记得给point_time去重。
• 方法二区分了in和out，但易错点在于区分过后就要规定好先后，不然最大值就会受到影响。

2. 思路本质：

• 方法一将时间段与时间点对照，但从结果出发取了巧，但偷懒也有偷懒要考虑的后果。
• 方法二只考虑时间点间的跳跃，只需要更严格的顺序要求便可由简洁的思路得到严谨的结果。

3. 内存（虽然不太懂内存这些，但体感）

• 方法一会占用更多内存，若除id=0的情况有n条数据，那么point_time有2n个，并要逐一与n个时间段进行对照，则join后的表格会有2n*n条数据，大可不必如此！
• 方法二只需对2n个关键时刻进行窗口运算即可。