SQL面试通关秘籍：面试知识点+技巧分享！

---

SQL是用于数据分析和数据处理的最重要的编程语言之一，所以与数据科学相关的工做（例如数据分析师、数据科学家和数据工程师）在面试时总会问到关于 SQL 的问题。

SQL面试问题旨在评估应聘者的技术和解决问题的能力。所以对于应聘者来讲，关键在于不只要根据样本数据编写出正确的查询，并且还要像对待现实数据集同样考虑各类场景和边缘状况。

在这篇文章中，我将介绍 SQL 面试问题中常见的模式，并提供一些在 SQL 查询中巧妙处理它们的技巧。

1

问问题

要搞定一场 SQL 面试，最重要的是尽可能多问问题，获取关于给定任务和数据样本的全部细节。充分理解需求后，接下来你就能够节省不少迭代问题的时间，而且能很好地处理边缘状况。

我注意到许多候选人常常还没彻底理解SQL问题或数据集，就直接开始编写解决方案了。以后，等我指出他们解决方案中存在的问题后，他们只好反复修改查询。最后，他们在迭代中浪费了不少面试时间，甚至可能到最后都没有找到正确的解决方案。

我建议你们在参加SQL面试时，就当成是本身在和业务伙伴共事。因此在你提供解决方案以前，应该要针对数据请求了解清楚全部的需求。

举例：

查找薪水最高的前 3 名员工。

样本employee_salary表

这里你应该要求面试官说清楚“前三名”具体是什么意思。我应该在结果中包括 3 名员工吗？你要我怎样处理关系？此外，请仔细检查样本员工数据。salary 字段的数据类型是什么？在计算以前是否须要清除数据？

2

选哪个JOIN

在SQL中，JOIN 一般用来合并来自多个表的信息。

有四种不一样类型的 JOIN，但在大多数状况下，咱们只使用INNER、LEFT和FULLJOIN，由于 RIGHTJOIN并非很直观，还可使用 LEFTJOIN 很简单地重写。在 SQL 面试中，须要根据给定问题的特定要求选择你要使用的正确JOIN。

举例：

查找每一个学生参加的课程总数。（提供学生 id、姓名和选课的数量。）

样本student和class_history表

你可能已经注意到了，并不是全部出如今 class_history 表中的学生都出如今了 student 表中，这多是由于这些学生已经毕业了。（这在事务数据库中其实是很是典型的状况，由于再也不活跃的记录每每会被删除。）

根据面试官是否但愿结果中包含毕业生，咱们须要使用LEFT JOIN或 INNER JOIN来组合两个表：

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

3

GROUP BY

GROUP BY是SQL中最重要的功能，由于它普遍用于数据聚合。若是在一个 SQL 问题中看到诸如求和、平均值、最小值或最大值之类的关键字，这就代表你可能应该在查询中使用GROUP BY了。

一个常见的陷阱是在GROUP BY过滤数据时混淆 WHERE和HAVING——我见过不少人犯了这个错误。

举例：

计算每一个学生在每一个学年的必修课程平均 GPA，并找到每一个学期中符合 Dean’s List（GPA≥3.5）资格的学生。

样本gpa_history表

因为咱们在GPA计算中仅考虑必修课程，所以须要使用WHERE is_required=TRUE来排除选修课程。

咱们须要每位学生在每学年的平均GPA，所以咱们将同时GROUP BY student_id和school_year 列，并取gpa列的平均值。最后，咱们只保留学平生均 GPA高于3.5的行，可使用HAVING来实现。合起来是下面这样：

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：每当在查询中使用GROUP BY时，都只能选择group-by列和聚合列，由于其余列中的行级信息已被舍弃。

4

SQL 查询执行顺序

大多数人会从SELECT开始，从上到下编写SQL查询。

但你知道SQL引擎执行函数时要到后面才执行SELECT吗？如下是 SQL 查询的执行顺序：

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

再次考虑前面的示例：

由于咱们想在计算平均GPA以前过滤掉选修课程，因此我使用WHERE is_required=TRUE代替HAVING，由于WHERE会在GROUP BY和HAVING以前执行。我不能编写HAVING avg_gpa >= 3.5的缘由是，avg_gpa被定义为SELECT的一部分，所以没法在SELECT以前执行的步骤中引用它。

我建议在编写查询时遵循引擎的执行顺序，这在编写复杂查询时会颇有用。

5

Window 函数

Window函数也常常出如今SQL面试中。共有五种常见的Window函数：

• RANK/DENSE_RANK/ROW_NUMBER：它们经过排序特定列来为每行分配一个排名。若是给出了任何分区列，则行将在其所属的分区组中排名。
• LAG/LEAD：它根据指定的顺序和分区组从前一行或后一行检索列值。

在SQL面试中，重要的是要了解排名函数之间的差别，并知道什么时候使用LAG/LEAD。

举例：

查找每一个部门中薪水最高的前 3 名员工。

另外一个示例employee_salary表

当一个SQL问题要求计算“TOP N”时，咱们可使用ORDER BY或排名函数来回答问题。

但在这个示例中，它要求计算“每一个 Y 中的 TOP N X”，这强烈暗示咱们应该使用排名函数，由于咱们须要对每一个分区组中的行进行排名。

如下查询刚好能找到 3 名薪水最高的员工，而不论他们的关系如何，以下：

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，根据关系的处理方式，咱们能够选择其余排名函数。一样，细节是很重要的！

ROW_NUMBER,RANK,DENSE_RANK结果比较

6

重复项

SQL面试中的另外一个常见陷阱是忽略数据重复。

尽管样本数据中的某些列彷佛具备不一样的值，但面试官仍是但愿候选人考虑全部可能性，就像他们在处理真实数据集同样。

例如：

在上一个示例employee_salary表中，可让雇员共享相同的名称。

要避免由重复项致使的潜在问题，一种简单方法是始终使用 ID 列惟一地标识不一样的记录。

举例：

使用 employee_salary 表查找每一个部门全部员工的总薪水。

正确的解决方案是 GROUP BY employee_id，而后使用 SUM(employee_salary) 计算总薪水。若是须要雇员姓名，请在末尾与 employee 表联接以检索雇员姓名信息。

错误的方法是使用 GROUP BY employee_name。

7

NULL

在SQL中，任何谓词均可以产生三个值之一true，false和NULL，后者是unknown或missing数据值的保留关键字。处理NULL数据集时可能会意外地很棘手。

在SQL面试中，面试官可能会特别注意解决方案是否处理了NULL值。有时，很明显有一列是不能nullabl的，但对于其余大多数列来讲，颇有可能会有NULL值。

建议：确认示例数据中的关键列是否为nullable，

若是能够，请利用IS(NOT)NULL，IFNULL和COALESCE 之类的函数来覆盖这些边缘状况。

8

交流

最后一点也很是重要：在SQL面试期间要随时与面试官沟通交流。

我面试过的许多候选人都很沉默寡言，有疑问的时候才会知声。固然若是他们最终给出了完美的解决方案，那也不是什么问题。

可是，在技术面试期间保持沟通交流每每会是有价值的。

例如：你能够谈论对问题和数据的理解，说明你计划如何解决问题，为何使用某些函数而不是其余选项，以及正在考虑哪些极端状况。

9

总结

• 首先要提问，收集所需的细节
• 在INNER，LEFT和FULL JOIN之间谨慎选择
• 使用GROUP BY聚合数据并正确使用WHERE和HAVING
• 了解三个排名函数之间的差别
• 知道什么时候使用LAG/LEAD窗口函数
• 若是在建立复杂的查询时遇到困难，请尝试遵循SQL执行顺序
• 考虑潜在的数据问题，例如重复和NULL值
• 与面试官交流你的思路

Xinran Waibel | 做者
王强 | 译者
https://www.infoq.cn/article/...