SQL面試知識(shí)點(diǎn)

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(shí)總會(huì)問到關(guān)于 SQL 的問題。

SQL面試問題旨在評(píng)估應(yīng)聘者的技術(shù)和解決問題的能力。因此對(duì)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(duì)待現(xiàn)實(shí)數(shù)據(jù)集一樣考慮各種場(chǎng)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。

要搞定一場(chǎng) 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(shí)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?cè)诘欣速M(fèi)了很多面試時(shí)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(shí)，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(duì)數(shù)據(jù)請(qǐng)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(qǐng)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(jì)算之前是否需要清除數(shù)據(jù)？

在SQL中，JOIN 通常用來合并來自多個(gè)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?yàn)?RIGHTJOIN并不是很直觀，還可以使用 LEFTJOIN 很簡(jiǎn)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(gè)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?yàn)檫@些學(xué)生已經(jīng)畢業(yè)了。（這在事務(wù)數(shù)據(jù)庫中實(shí)際上是非常典型的情況，因?yàn)椴辉倩钴S的記錄往往會(huì)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(gè)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是SQL中最重要的功能，因?yàn)樗鼜V泛用于數(shù)據(jù)聚合。如果在一個(gè) 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(gè)常見的陷阱是在GROUP BY過濾數(shù)據(jù)時(shí)混淆 WHERE和HAVING——我見過很多人犯了這個(gè)錯(cuò)誤。

舉例：

計(jì)算每個(gè)學(xué)生在每個(gè)學(xué)年的必修課程平均 GPA，并找到每個(gè)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?cè)贕PA計(jì)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(shí)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(shí)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(shí)，都只能選擇group-by列和聚合列，因?yàn)槠渌兄械男屑?jí)信息已被舍棄。

大多數(shù)人會(huì)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(shí)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?yàn)槲覀兿朐谟?jì)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?yàn)閃HERE會(huì)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(shí)遵循引擎的執(zhí)行順序，這在編寫復(fù)雜查詢時(shí)會(huì)很有用。

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(gè)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(shí)使用LAG/LEAD。

舉例：

查找每個(gè)部門中薪水最高的前 3 名員工。

另一個(gè)示例employee_salary表

當(dāng)一個(gè)SQL問題要求計(jì)算“TOP N”時(shí)，我們可以使用ORDER BY或排名函數(shù)來回答問題。

但在這個(gè)示例中，它要求計(jì)算“每個(gè) Y 中的 TOP N X”，這強(qiáng)烈暗示我們應(yīng)該使用排名函數(shù)，因?yàn)槲覀冃枰獙?duì)每個(gè)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

SQL面試中的另一個(gè)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?cè)谔幚碚鎸?shí)數(shù)據(jù)集一樣。

例如：

在上一個(gè)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(xiàng)導(dǎo)致的潛在問題，一種簡(jiǎn)單方法是始終使用 ID 列唯一地標(biāo)識(shí)不同的記錄。

舉例：

使用 employee_salary 表查找每個(gè)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(jì)算總薪水。如果需要雇員姓名，請(qǐng)?jiān)谀┪才c employee 表聯(lián)接以檢索雇員姓名信息。

錯(cuò)誤的方法是使用 GROUP BY employee_name。

在SQL中，任何謂詞都可以產(chǎn)生三個(gè)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(shí)可能會(huì)意外地很棘手。

在SQL面試中，面試官可能會(huì)特別注意解決方案是否處理了NULL值。有時(shí)，很明顯有一列是不能nullabl的，但對(duì)于其他大多數(shù)列來說，很有可能會(huì)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(qǐng)利用IS(NOT)NULL，IFNULL和COALESCE 之類的函數(shù)來覆蓋這些邊緣情況。

最后一點(diǎn)也非常重要：在SQL面試期間要隨時(shí)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(shí)候才會(huì)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(huì)是有價(jià)值的。

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

• 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(gè)排名函數(shù)之間的差異

• 知道何時(shí)使用LAG/LEAD窗口函數(shù)

• 如果在創(chuàng)建復(fù)雜的查詢時(shí)遇到困難，請(qǐng)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