2018年火警电话最多周数查询SQL结果不符，排查错误原因

需求说明 #

找出2018年一年中火警电话数量最多的周（注：本人误将日期的日（dd）当作周）。自己编写的SQL与讲师提供的SQL预期结果应一致，但实际结果不同，需排查错误原因。

本人使用的SQL语句 #

select to_char(CallDate,"dd") week ,count(to_char(CallDate,"dd")) as count from demo_db.fire_service_calls_tbl where to_char(CallDate,"yyyy") = "2018" group by week order by count desc

讲师使用的SQL语句 #

select weekofyear(to_date(CallDate,"MM/dd/yyyy")) week_year, count(*) as count from demo_db.fire_service_calls_tbl  where year(to_date(CallDate,"yyyy")) == 2018 group by week_year order by count desc

数据读取代码 #

fire_df = spark.read \
                .format("csv") \
                .option("header", "true") \
                .option("inferSchema", "true") \
                .load("/databricks-datasets/learning-spark-v2/sf-fire/sf-fire-calls.csv")

错误原因分析 #

1. 核心逻辑错误：分组维度完全不符
   你写的SQL里，to_char(CallDate,"dd")提取的是日期中的「日」（取值1-31），相当于把所有当月1号的记录归为一组，当月2号的归为另一组……这是按每月的日期统计，和需求里的「按周统计」完全不是同一个维度，结果自然和讲师的SQL差异极大。

2. 讲师SQL的正确逻辑
   讲师的SQL用weekofyear(to_date(CallDate,"MM/dd/yyyy"))提取的是一年中的周数（取值1-53），分组维度是正确的「周」，统计的是每一周的火警电话总数，完全符合需求逻辑。

3. 补充：讲师SQL的小语法问题
   讲师SQL的where子句里year(to_date(CallDate,"yyyy")) == 2018存在两处问题：一是Spark SQL中判断相等用=而非==；二是日期转换格式"yyyy"不正确，应该和前面to_date的格式"MM/dd/yyyy"保持一致，正确写法应为year(to_date(CallDate,"MM/dd/yyyy")) = 2018，不过这不是导致你俩结果不一致的核心原因，核心还是你的分组维度错误。

内容的提问来源于stack exchange，提问作者Salim muneer lala