计算机常见SQL知识点总结

常见SQL知识点总结SQL是用于数据分析和数据处理的最重要的编程语言之一，因此与数据科学相关的工作（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。因此对于应聘者来说，关键在于不仅要根据样本数据编写出正确的查询，而且还要像对待现实数据集一样考虑各种场景和边缘情况。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。01问问题要搞定一场SQL面试，最重要的是尽量多问问题，获取关于给定任务和数据样本的所有细节。充分理解需求后，接下来你就可以节省很多迭代问题的时间，并且能很好地处理边缘情况。我注意到许多候选人经常还没完全理解SQL问题或数据集，就直接开始编写解决方案了。之后，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很多面试时间，甚至可能到最后都没有找到正确的解决方案。我建议大家在参加SQL面试时，就当成是自己在和业务伙伴共事。所以在你提供解决方案之前，应该要针对数据请求了解清楚所有的需求。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？在计算之前是否需要清除数据？02选哪一个JOIN在SQL中，JOIN通常用来合并来自多个表的信息。有四种不同类型的JOIN，但在大多数情况下，我们只使用INNER、LEFT和FULLJOIN，因为RIGHTJOIN并不是很直观，还可以使用LEFTJOIN很简单地重写。在SQL面试中，需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，并非所有出现在Class_history表中的学生都出现在了Student表中，这可能是因为这些学生已经毕业了。（这在事务数据库中实际上是非常典型的情况，因为不再活跃的记录往往会被删除。）根据面试官是否希望结果中包含毕业生，我们需要使用LEFTJOIN或INNERJOIN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_id03GROUPBYGROUPBY是SQL中最重要的功能，因为它广泛用于数据聚合。如果在一个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，这就表明你可能应该在查询中使用GROUPBY了。一个常见的陷阱是在GROUPBY过滤数据时混淆WHERE和HAVING——我见过很多人犯了这个错误。举例计算每个学生在每个学年的必修课程平均GPA，并找到每个学期中符合Dean’sList（GPA≥3.5）资格的学生。样本Gpa_history表由于我们在GPA计算中仅考虑必修课程，因此需要使用WHEREis_required=TRUE来排除选修课程。我们需要每位学生在每学年的平均GPA，因此我们将同时GROUPBYstudent_id和School_year列，并取Gpa列的平均值。最后，我们只保留学生平均GPA高于3.5的行，可以使用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GROUPBY时，都只能选择Group-by列和聚合列，因为其他列中的行级信息已被舍弃。04SQL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？以下是SQL查询的执行顺序：FROM,JOINWHEREGROUPBYHAVINGSELECTDISTINCTORDERBYLIMIT,OFFSET再次考虑前面的示例：因为我们想在计算平均GPA之前过滤掉选修课程，所以我使用WHEREis_required=TRUE代替HAVING，因为WHERE会在GROUPBY和HAVING之前执行。我不能编写HAVINGavg_gpa>=3.5的原因是，Avg_gpa被定义为SELECT的一部分，因此无法在SELECT之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很有用。05Window函数Window函数也经常出现在SQL面试中。共有五种常见的Window函数：**RANK/DENSE_RANK/ROW_NUMBER：**它们通过排序特定列来为每行分配一个排名。如果给出了任何分区列，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异，并知道何时使用LAG/LEAD。举例查找每个部门中薪水最高的前3名员工。另一个示例Employee_salary表当一个SQL问题要求计算“TOPN”时，我们可以使用ORDERBY或排名函数来回答问题。但在这个示例中，它要求计算“每个Y中的TOPNX”，这强烈暗示我们应该使用排名函数，因为我们需要对每个分区组中的行进行排名。以下查询恰好能找到3名薪水最高的员工，而不论他们的关系如何，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，根据关系的处理方式，我们可以选择其他排名函数。同样，细节是很重要的！ROW_NUMBER,RANK,DENSE_RANK结果比较06重复项SQL面试中的另一个常见陷阱是忽略数据重复。

尽管样本数据中的某些列似乎具有不同的值，但面试官还是希望候选人考虑所有可能性，就像他们在处理真实数据集一样。例如在上一个示例Employee_salary表中，可以让雇员共享相同的名称。

要避免由重复项导致的潜在问题，一种简单方法是始终使用ID列唯一地标识不同的记录。举例使用Employee_salary表查找每个部门所有员工的总薪水。正确的解决方案是GROUPBYemployee_id，然后使用SUM(employee_salary)计算总薪水。如果需要雇员姓名，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GROUPBYemployee_name。07NULL在SQL中，任何谓词都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，但对于其他大多数列来说，很有可能会有NULL值。建议：确认示例数据中的关键列是否为Nullable，如果可以，请利用IS(NOT)NULL，IFNULL和COALESCE之类的函数来覆盖这些边缘情况。08交流最后一点也非常重要：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。当然如果他们最终给出了完美的解决方案，那也不是什么问题。但是，在技术面试期间保持沟通交流往往会是有价值的。例如：你可以谈论对问题和数据的理解，说