美国真正能练完这20页SQL题就是天花板了

练完这20页SQL，面试横着走

第一部分：为什么说这是“天花板”

在北美求职，特别是Data Science和Data Analyst岗位，SQL是绕不过的坎。市面上的SQL题库五花八门，但大多是基础知识的堆砌，无法真正模拟大厂面试的深度和广度。而这份我们历时半年，结合了近百个一线大厂（Meta, Google, Amazon, Netflix等）的真实面试案例，总结出的20页SQL题，可以说是目前市面上最接近天花板的练习材料。

说它是“天花板”，主要有三个原因：

全面覆盖考点：从基础的GROUP BY、JOIN，到面试必考的窗口函数（Window Functions），再到考察思维深度的[Case](/blog/case-study-9206) WHEN和CTE（Common Table Expressions），以及涉及性能优化的复杂查询，这20页内容覆盖了99%的面试考点。
难度递进设计：题目不是随机排列的，而是按照从易到难、从基础到综合的逻辑进行设计。让你在练习的过程中，能够逐步建立信心，平滑地从“能写出结果”过渡到“能写出最优解”。
贴近真实业务场景：所有题目都基于真实的业务场景，比如用户行为分析、广告效果评估、电商GMV计算等。这不仅是考察你的SQL语法，更是考察你如何将业务问题转化为数据问题的能力。

第二部分：题目分类和难度分析

这20页的题目，我们可以大致分为五个核心模块：

基础查询与聚合 (Pages 1-4): 这是入门级别，主要考察对SELECT, WHERE, GROUP BY, HAVING, ORDER BY的熟练运用。难度不大，但关键在于细节，比如WHERE和HAVING的区别，COUNT(DISTINCT ...)的使用等。
多表连接与子查询 (Pages 5-8): 考察INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL OUTER JOIN的使用。难点在于理解不同JOIN的逻辑，以及在复杂场景下如何通过子查询或CTE来拆解问题。
窗口函数 (Pages 9-14): 这是大厂面试的重中之重，也是区分候选人水平的关键。ROW_NUMBER(), RANK(), DENSE_RANK(), LEAD(), LAG(), SUM(...) OVER (...)等都是必考点。这个模块的题目会让你彻底搞懂窗口函数的应用场景，比如计算Top N、移动平均、用户留存等。
复杂逻辑与场景应用 (Pages 15-18): 这个模块的题目通常没有标准答案，更考察你的逻辑思维能力。你需要熟练运用CASE WHEN来进行条件判断，用CTE来构建清晰的查询逻辑，解决一些复杂的业务问题，比如“连续登录N天的用户”、“购物篮分析”等。
查询优化与性能 (Pages 19-20): 在你能写出正确答案之后，面试官会进一步追问：“How can you optimize this query?” 这个模块会教你如何思考查询性能，比如索引（Indexing）的作用、如何避免全表扫描、EXISTS vs IN vs JOIN的选择等。虽然不一定要求你现场写出最优的执行计划（Execution Plan），但你必须具备这方面的知识储备。

第三部分：精选题目详细解答

我们从每个模块中精选一道代表性的题目进行解析。

Question 1: (基础查询) Active User Calculation

The Task: Given a logins table with user_id and login_date, write a query to find the number of monthly active users (MAU) for the last 3 months.

题目解析: 这道题看似简单，但考察了对日期函数和COUNT(DISTINCT ...)的理解。

最优解:

SELECT
    DATE_TRUNC('month', login_date) AS login_month,
    COUNT(DISTINCT user_id) AS mau
FROM
    logins
WHERE
    login_date >= DATE_TRUNC('month', CURRENT_DATE) - INTERVAL '2 months'
GROUP BY
    1
ORDER BY
    1;

解法对比: 常见错误：有些同学可能会忘记使用DISTINCT，导致计算出的不是用户数，而是登录次数。或者在WHERE子句中对日期的处理不够精确。次优解：使用EXTRACT(YEAR FROM login_date)和EXTRACT(MONTH FROM login_date)来进行分组，虽然也能得到结果，但使用DATE_TRUNC更简洁，也更符合SQL的编程习惯。

Question 2: (窗口函数) Second Highest Salary

The Task: Given an employees table with employee_id, department_id, and salary, write a query to find the second highest salary in each department. If a department has less than two employees, it should not be included in the result.

题目解析: 这是一道经典的Top N问题，是考察窗口函数的必考题。

最优解 (使用DENSE_RANK):

WITH RankedSalaries AS (
    SELECT
        department_id,
        salary,
        DENSE_RANK() OVER (PARTITION BY department_id ORDER BY salary DESC) as rnk
    FROM
        employees
)
SELECT
    department_id,
    salary
FROM
    RankedSalaries
WHERE
    rnk = 2;

解法对比: 为什么用DENSE_RANK而不是RANK或ROW_NUMBER? 如果存在并列薪水，RANK会在并列后跳过下一个排名（比如 1, 1, 3），ROW_NUMBER会给并列的记录分配不同的排名，只有DENSE_RANK（1, 1, 2）能保证在有并列的情况下，依然能准确找到“第二高”的薪水值。次优解 (使用子查询): 也可以通过自连接或者复杂的子查询来实现，但代码会非常冗长且难以理解，性能也远不如窗口函数。

Question 3: (复杂逻辑) Consecutive Days Login

The Task: Given a logins table with user_id and login_date, write a query to find all users who have logged in for at least 3 consecutive days.

题目解析: “连续N天”是面试中的一个高频场景，考察你如何巧妙地处理日期序列。直接用JOIN会非常复杂，这里展示一个利用窗口函数LAG和DATE_DIFF的巧妙解法。

最优解:

WITH DateDiffs AS (
    SELECT
        user_id,
        login_date,
        login_date - LAG(login_date, 1, login_date) OVER (PARTITION BY user_id ORDER BY login_date) AS date_diff
    FROM
        logins
),
ConsecutiveGroups AS (
    SELECT
        user_id,
        login_date,
        SUM(CASE WHEN date_diff > 1 THEN 1 ELSE 0 END) OVER (PARTITION BY user_id ORDER BY login_date) AS grp
    FROM
        DateDiffs
),
GroupCounts AS (
    SELECT
        user_id,
        grp,
        COUNT() AS consecutive_days
    FROM
        ConsecutiveGroups
    GROUP BY
        user_id, grp
)
SELECT DISTINCT
    user_id
FROM
    GroupCounts
WHERE
    consecutive_days >= 3;

解法思路: 这个解法的核心思想是“差分分组”。

1. 首先用`LAG`计算每次登录与上次登录的日期差。

如果日期差大于1天，说明连续登录中断了，我们用SUM(...) OVER (...)来创建一个新的分组标记grp。

3. 这样，所有连续登录的记录都会被分到同一个`grp`里。

4. 最后，我们只需要计算每个`grp`里的记录数，就能知道连续登录的天数。

第四部分：如何系统性地练习

不要贪多求快: 每天花1-2小时，集中精力吃透2-3道题。关键不是刷题数量，而是理解每道题背后的逻辑和多种解法。
先思考，再看答案: 拿到一道题，先自己尝试写出一种解法，哪怕是暴力解法。然后再去看最优解，对比思考差异在哪里，为什么最优解更好。
举一反三: 在做完一道题后，想一想这道题的变种。比如“第二高薪水”可以变成“每个部门薪水前三的员工”。“连续3天登录”可以变成“找到最长连续登录天数”。这种主动思考能让你真正掌握一个知识点。
定期复习: 每周或每两周，回顾一下之前做过的题目，特别是那些你第一次没有做出来的难题，确保你已经完全掌握。

延伸阅读 Recommended Reading

SELECT DATE_TRUNC('month', login_date) AS login_month, COUNT(DISTINCT user_id) AS mau FROM logins WHERE login_date >= DATE_TRUNC('month', CURRENT_DATE) - INTERVAL '2 months' GROUP BY 1 ORDER BY 1;

WITH RankedSalaries AS ( SELECT department_id, salary, DENSE_RANK() OVER (PARTITION BY department_id ORDER BY salary DESC) as rnk FROM employees ) SELECT department_id, salary FROM RankedSalaries WHERE rnk = 2;

WITH DateDiffs AS ( SELECT user_id, login_date, login_date - LAG(login_date, 1, login_date) OVER (PARTITION BY user_id ORDER BY login_date) AS date_diff FROM logins ), ConsecutiveGroups AS ( SELECT user_id, login_date, SUM(CASE WHEN date_diff > 1 THEN 1 ELSE 0 END) OVER (PARTITION BY user_id ORDER BY login_date) AS grp FROM DateDiffs ), GroupCounts AS ( SELECT user_id, grp, COUNT() AS consecutive_days FROM ConsecutiveGroups GROUP BY user_id, grp ) SELECT DISTINCT user_id FROM GroupCounts WHERE consecutive_days >= 3;

美国真正能练完这20页SQL题就是天花板了

1. 首先用LAG计算每次登录与上次登录的日期差。

3. 这样，所有连续登录的记录都会被分到同一个grp里。

4. 最后，我们只需要计算每个grp里的记录数，就能知道连续登录的天数。

延伸阅读 Recommended Reading

免费咨询美国求职

美国真正能练完这20页SQL题就是天花板了

1. 首先用LAG计算每次登录与上次登录的日期差。

3. 这样，所有连续登录的记录都会被分到同一个grp里。

4. 最后，我们只需要计算每个grp里的记录数，就能知道连续登录的天数。

延伸阅读 Recommended Reading

1. 首先用`LAG`计算每次登录与上次登录的日期差。

3. 这样，所有连续登录的记录都会被分到同一个`grp`里。

4. 最后，我们只需要计算每个`grp`里的记录数，就能知道连续登录的天数。

1. 首先用`LAG`计算每次登录与上次登录的日期差。

3. 这样，所有连续登录的记录都会被分到同一个`grp`里。

4. 最后，我们只需要计算每个`grp`里的记录数，就能知道连续登录的天数。