9大「SQL面試題」常見知識點匯總

SQL是用於數據分析和數據處理的最重要的程式語言之一，因此與數據科學相關的工作（例如數據分析師、數據科學家和數據工程師）在面試時總會問到關於 SQL 的問題。

SQL面試問題旨在評估應聘者的技術和解決問題的能力。因此對於應聘者來說，關鍵在於不僅要根據樣本數據編寫出正確的查詢，而且還要像對待現實數據集一樣考慮各種場景和邊緣情況。

在這篇文章中，我將介紹 SQL 面試問題中常見的模式，並提供一些在 SQL 查詢中巧妙處理它們的技巧。

01

問問題

要搞定一場 SQL 面試，最重要的是儘量多問問題，獲取關於給定任務和數據樣本的所有細節。充分理解需求後，接下來你就可以節省很多疊代問題的時間，並且能很好地處理邊緣情況。

我注意到許多候選人經常還沒完全理解SQL問題或數據集，就直接開始編寫解決方案了。之後，等我指出他們解決方案中存在的問題後，他們只好反覆修改查詢。最後，他們在疊代中浪費了很多面試時間，甚至可能到最後都沒有找到正確的解決方案。

我建議大家在參加SQL面試時，就當成是自己在和業務夥伴共事。所以在你提供解決方案之前，應該要針對數據請求了解清楚所有的需求。

舉例：

查找薪水最高的前 3 名員工。

樣本employee_salary表

這裡你應該要求面試官說清楚「前三名」具體是什麼意思。我應該在結果中包括 3 名員工嗎？你要我怎樣處理關係？此外，請仔細檢查樣本員工數據。salary 欄位的數據類型是什麼？在計算之前是否需要清除數據？

02

選哪一個JOIN

在SQL中，JOIN 通常用來合併來自多個表的信息。

有四種不同類型的 JOIN，但在大多數情況下，我們只使用INNER、LEFT和FULLJOIN，因為 RIGHTJOIN並不是很直觀，還可以使用 LEFTJOIN 很簡單地重寫。在 SQL 面試中，需要根據給定問題的特定要求選擇你要使用的正確JOIN。

舉例：

查找每個學生參加的課程總數。（提供學生 id、姓名和選課的數量。）

樣本student和class_history表

你可能已經注意到了，並非所有出現在 class_history 表中的學生都出現在了 student 表中，這可能是因為這些學生已經畢業了。（這在事務資料庫中實際上是非常典型的情況，因為不再活躍的記錄往往會被刪除。）

根據面試官是否希望結果中包含畢業生，我們需要使用LEFT JOIN或 INNER JOIN來組合兩個表：

WITH class_count AS (
    SELECT student_id, COUNT(*) AS num_of_class
    FROM class_history
    GROUP BY student_id
)
SELECT 
    c.student_id,
    s.student_name,
    c.num_of_class
FROM class_count c
-- CASE 1: include only active students
JOIN student s ON c.student_id = s.student_id
-- CASE 2: include all students
-- LEFT JOIN student s ON c.student_id = s.student_id

03

GROUP BY

GROUP BY是SQL中最重要的功能，因為它廣泛用於數據聚合。如果在一個 SQL 問題中看到諸如求和、平均值、最小值或最大值之類的關鍵字，這就表明你可能應該在查詢中使用GROUP BY了。

一個常見的陷阱是在GROUP BY過濾數據時混淆 WHERE和HAVING——我見過很多人犯了這個錯誤。

舉例：

計算每個學生在每個學年的必修課程平均 gpa，並找到每個學期中符合 Dean’s List（GPA≥3.5）資格的學生。

樣本gpa_history表

由於我們在GPA計算中僅考慮必修課程，因此需要使用WHERE is_required=TRUE來排除選修課程。

我們需要每位學生在每學年的平均GPA，因此我們將同時GROUP BY student_id和school_year 列，並取gpa列的平均值。最後，我們只保留學生平均 GPA高於3.5的行，可以使用HAVING來實現。合起來是下面這樣：

SELECT 
    student_id,
    school_year,
    AVG(gpa) AS avg_gpa
FROM gpa_history
WHERE is_required = TRUE 
GROUP BY student_id, school_year
HAVING AVG(gpa) >= 3.5

注意：每當在查詢中使用GROUP BY時，都只能選擇group-by列和聚合列，因為其他列中的行級信息已被捨棄。

04

SQL 查詢執行順序

大多數人會從SELECT開始，從上到下編寫SQL查詢。

但你知道SQL引擎執行函數時要到後面才執行SELECT嗎？以下是 SQL 查詢的執行順序：

• FROM, JOIN
• WHERE
• GROUP BY
• HAVING
• SELECT
• DISTINCT
• ORDER BY
• LIMIT, OFFSET

再次考慮前面的示例：

因為我們想在計算平均GPA之前過濾掉選修課程，所以我使用WHERE is_required=TRUE代替HAVING，因為WHERE會在GROUP BY和HAVING之前執行。我不能編寫HAVING avg_gpa >= 3.5的原因是，avg_gpa被定義為SELECT的一部分，因此無法在SELECT之前執行的步驟中引用它。

我建議在編寫查詢時遵循引擎的執行順序，這在編寫複雜查詢時會很有用。

05

Window 函數

Window函數也經常出現在SQL面試中。共有五種常見的Window函數：

• RANK/DENSE_RANK/ROW_number：它們通過排序特定列來為每行分配一個排名。如果給出了任何分區列，則行將在其所屬的分區組中排名。
• LAG/LEAD：它根據指定的順序和分區組從前一行或後一行檢索列值。

在SQL面試中，重要的是要了解排名函數之間的差異，並知道何時使用LAG/LEAD。

舉例：

查找每個部門中薪水最高的前 3 名員工。

另一個示例employee_salary表

當一個SQL問題要求計算「TOP N」時，我們可以使用ORDER BY或排名函數來回答問題。

但在這個示例中，它要求計算「每個 Y 中的 TOP N X」，這強烈暗示我們應該使用排名函數，因為我們需要對每個分區組中的行進行排名。

以下查詢恰好能找到 3 名薪水最高的員工，而不論他們的關係如何，如下：

WITH T AS (
SELECT 
    *,
    ROW_NUMBER() OVER (PARTITION BY department_id ORDER BY employee_salary DESC) AS rank_in_dep
FROM employee_salary)
SELECT * FROM T
WHERE rank_in_dep <= 3 
-- Note: When using ROW_NUMBER, each row will have a unique rank number and ranks for tied records are assigned randomly. For exmaple, Rimsha and Tiah may be rank 2 or 3 in different query runs.

此外，根據關係的處理方式，我們可以選擇其他排名函數。同樣，細節是很重要的！

ROW_NUMBER,RANK,DENSE_RANK結果比較

06

重複項

SQL面試中的另一個常見陷阱是忽略數據重複。

儘管樣本數據中的某些列似乎具有不同的值，但面試官還是希望候選人考慮所有可能性，就像他們在處理真實數據集一樣。

例如：

在上一個示例employee_salary表中，可以讓雇員共享相同的名稱。

要避免由重複項導致的潛在問題，一種簡單方法是始終使用 ID 列唯一地標識不同的記錄。

舉例：

使用 employee_salary 表查找每個部門所有員工的總薪水。

正確的解決方案是 GROUP BY employee_id，然後使用 SUM(employee_salary) 計算總薪水。如果需要雇員姓名，請在末尾與 employee 表聯接以檢索雇員姓名信息。

錯誤的方法是使用 GROUP BY employee_name。

07

NULL

在SQL中，任何謂詞都可以產生三個值之一true，false和NULL，後者是unknown或missing數據值的保留關鍵字。處理NULL數據集時可能會意外地很棘手。

在SQL面試中，面試官可能會特別注意解決方案是否處理了NULL值。有時，很明顯有一列是不能nullabl的，但對於其他大多數列來說，很有可能會有NULL值。

建議：確認示例數據中的關鍵列是否為nullable，

如果可以，請利用IS(NOT)NULL，IFNULL和COALESCE 之類的函數來覆蓋這些邊緣情況。

08

交流

最後一點也非常重要：在SQL面試期間要隨時與面試官溝通交流。

我面試過的許多候選人都很沉默寡言，有疑問的時候才會知聲。當然如果他們最終給出了完美的解決方案，那也不是什麼問題。

但是，在技術面試期間保持溝通交流往往會是有價值的。

例如：你可以談論對問題和數據的理解，說明你計劃如何解決問題，為什麼使用某些函數而不是其他選項，以及正在考慮哪些極端情況。

09

總結

• 首先要提問，收集所需的細節
• 在INNER，LEFT和FULL JOIN之間謹慎選擇
• 使用GROUP BY聚合數據並正確使用WHERE和HAVING
• 了解三個排名函數之間的差異
• 知道何時使用LAG/LEAD窗口函數
• 如果在創建複雜的查詢時遇到困難，請嘗試遵循SQL執行順序
• 考慮潛在的數據問題，例如重複和NULL值
• 與面試官交流你的思路

來源：https://www.infoq.cn/article/fqEAvFfISfKthSIf4FZf?utm_source=rss&utm_medium=article

作者：Xinran Waibel

譯者：王強