SQL是用于數(shù)據(jù)分析和數(shù)據(jù)處理的最重要的編程語言之一，因此與數(shù)據(jù)科學(xué)相關(guān)的工作（例如數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家和數(shù)據(jù)工程師）在面試時總會問到關(guān)于 SQL 的問題。

 

SQL面試問題旨在評估應(yīng)聘者的技術(shù)和解決問題的能力。因此對于應(yīng)聘者來說，關(guān)鍵在于不僅要根據(jù)樣本數(shù)據(jù)編寫出正確的查詢，而且還要像對待現(xiàn)實數(shù)據(jù)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，并提供一些在 SQL 查詢中巧妙處理它們的技巧。

[[359831]]

問問題

要搞定一場 SQL 面試，最重要的是盡量多問問題，獲取關(guān)于給定任務(wù)和數(shù)據(jù)樣本的所有細(xì)節(jié)。充分理解需求后，接下來你就可以節(jié)省很多迭代問題的時間，并且能很好地處理邊緣情況。

 

我注意到許多候選人經(jīng)常還沒完全理解SQL問題或數(shù)據(jù)集，就直接開始編寫解決方案了。之后，等我指出他們解決方案中存在的問題后，他們只好反復(fù)修改查詢。最后，他們在迭代中浪費了很多面試時間，甚至可能到最后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(dāng)成是自己在和業(yè)務(wù)伙伴共事。所以在你提供解決方案之前，應(yīng)該要針對數(shù)據(jù)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

 

這里你應(yīng)該要求面試官說清楚“前三名”具體是什么意思。我應(yīng)該在結(jié)果中包括 3 名員工嗎？你要我怎樣處理關(guān)系？此外，請仔細(xì)檢查樣本員工數(shù)據(jù)。salary 字段的數(shù)據(jù)類型是什么？在計算之前是否需要清除數(shù)據(jù)？

 

選哪一個join

在SQL中，JOIN 通常用來合并來自多個表的信息。

 

有四種不同類型的 JOIN，但在大多數(shù)情況下，我們只使用INNER、LEFT和FULLJOIN，因為 RIGHTJOIN并不是很直觀，還可以使用 LEFTJOIN 很簡單地重寫。在 SQL 面試中，需要根據(jù)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(xué)生參加的課程總數(shù)。（提供學(xué)生 id、姓名和選課的數(shù)量。）

樣本student和class_history表

你可能已經(jīng)注意到了，并非所有出現(xiàn)在 class_history 表中的學(xué)生都出現(xiàn)在了 student 表中，這可能是因為這些學(xué)生已經(jīng)畢業(yè)了。（這在事務(wù)數(shù)據(jù)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(jù)面試官是否希望結(jié)果中包含畢業(yè)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 
 

GROUP BY

GROUP BY是SQL中最重要的功能，因為它廣泛用于數(shù)據(jù)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(guān)鍵字，這就表明你可能應(yīng)該在查詢中使用GROUP BY了。

 

一個常見的陷阱是在GROUP BY過濾數(shù)據(jù)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(xué)生在每個學(xué)年的必修課程平均 GPA，并找到每個學(xué)期中符合 Dean’s List（GPA≥3.5）資格的學(xué)生。

 

樣本gpa_history表

由于我們在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(xué)生在每學(xué)年的平均GPA，因此我們將同時GROUP BY student_id和school_year 列，并取gpa列的平均值。最后，我們只保留學(xué)生平均 GPA高于3.5的行，可以使用HAVING來實現(xiàn)。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(dāng)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舍棄。

 

SQL 查詢執(zhí)行順序

大多數(shù)人會從SELECT開始，從上到下編寫SQL查詢。

 

但你知道SQL引擎執(zhí)行函數(shù)時要到后面才執(zhí)行SELECT嗎？以下是 SQL 查詢的執(zhí)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(zhí)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(zhí)行的步驟中引用它。

 

我建議在編寫查詢時遵循引擎的執(zhí)行順序，這在編寫復(fù)雜查詢時會很有用。

 

Window 函數(shù)

Window函數(shù)也經(jīng)常出現(xiàn)在SQL面試中。共有五種常見的Window函數(shù)：

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(qū)列，則行將在其所屬的分區(qū)組中排名。

LAG/LEAD：它根據(jù)指定的順序和分區(qū)組從前一行或后一行檢索列值。

 

在SQL面試中，重要的是要了解排名函數(shù)之間的差異，并知道何時使用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(dāng)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(shù)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(yīng)該使用排名函數(shù)，因為我們需要對每個分區(qū)組中的行進(jìn)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(guān)系如何，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(jù)關(guān)系的處理方式，我們可以選擇其他排名函數(shù)。同樣，細(xì)節(jié)是很重要的！

ROW_NUMBER,RANK,DENSE_RANK結(jié)果比較

 

重復(fù)項

SQL面試中的另一個常見陷阱是忽略數(shù)據(jù)重復(fù)。

 

盡管樣本數(shù)據(jù)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(shù)據(jù)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。

 

要避免由重復(fù)項導(dǎo)致的潛在問題，一種簡單方法是始終使用 ID 列唯一地標(biāo)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，然后使用 SUM(employee_salary) 計算總薪水。如果需要雇員姓名，請在末尾與 employee 表聯(lián)接以檢索雇員姓名信息。

錯誤的方法是使用 GROUP BY employee_name。

 

NULL

在SQL中，任何謂詞都可以產(chǎn)生三個值之一true，false和NULL，后者是unknown或missing數(shù)據(jù)值的保留關(guān)鍵字。處理NULL數(shù)據(jù)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，但對于其他大多數(shù)列來說，很有可能會有NULL值。

 

建議：確認(rèn)示例數(shù)據(jù)中的關(guān)鍵列是否為nullable，

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

 

交流

最后一點也非常重要：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(dāng)然如果他們最終給出了完美的解決方案，那也不是什么問題。

 

但是，在技術(shù)面試期間保持溝通交流往往會是有價值的。

 

例如：你可以談?wù)搶栴}和數(shù)據(jù)的理解，說明你計劃如何解決問題，為什么使用某些函數(shù)而不是其他選項，以及正在考慮哪些極端情況。

 

總結(jié)

• 首先要提問，收集所需的細(xì)節(jié)
• 在INNER，LEFT和FULL JOIN之間謹(jǐn)慎選擇
• 使用GROUP BY聚合數(shù)據(jù)并正確使用WHERE和HAVING
• 了解三個排名函數(shù)之間的差異
• 知道何時使用LAG/LEAD窗口函數(shù)
• 如果在創(chuàng)建復(fù)雜的查詢時遇到困難，請嘗試遵循SQL執(zhí)行順序
• 考慮潛在的數(shù)據(jù)問題，例如重復(fù)和NULL值
• 與面試官交流你的思路