考察点
这道题考察的是面试方法论本身。面试官在 SQL 环节不只看结果对不对，还看你拿到模糊需求时的反应——直接闷头写还是先对齐口径。这里把常见题型分类整理，并给一套能复用的答题流程。
参考答案
四大高频题型
1. TopN / 组内排序类
代表题：每个部门工资前三、每个用户最近一次下单、每个品类销量冠军。模板固定：row_number() over (partition by ... order by ...) 编号 + 外层过滤。变化点只在并列语义（rank/dense_rank/row_number 三选一）和排序键是否确定。
2. 连续行为类
代表题：连续登录 N 天、连续三个月消费、最长连续活跃。模板固定：去重 → 窗口编号 → 日期减排名构造分组键 → 分组统计。变体是允许断档时用 lag 标记断点再累计求和分组。
3. 留存 / 转化 / 漏斗类
代表题：次日留存率、注册到下单转化率、各环节漏斗。模板：cohort 表（首日/首行为）自连接算间隔，case when 行转列出报表。漏斗类用「步骤时间先后约束」串联：max(case when step='A' then ts end) < max(case when step='B' then ts end) 判断顺序。
4. 行列转换 / 复杂聚合类
代表题：一行多标签聚合、交叉报表、占比分析。工具箱：collect_set/collect_list + concat_ws，lateral view explode，case when 透视，窗口聚合算占比（amount / sum(amount) over (partition by ...)）。
答题框架：四步走
第一步：确认口径（最重要，多数人不做的）
拿到题先问三个问题，既厘清需求又展示专业度：
- 粒度是什么？「用户」是 user_id 还是设备 id？「天」是自然日还是账期？
- 边界怎么算？并列的 TopN 算不算？连续登录断一天行不行？留存是「第 N 天」还是「N 日内」？
- 输入表长什么样？确认字段名、类型（日期是 string 还是 timestamp）、有没有重复行、有没有 null。
面试官故意把题出得模糊，就是在等你问。一句话不问直接开写，写出来的东西口径错了，比写得慢更扣分。
第二步：定中间结果再动笔
复杂题不要试图一条 SQL 写完，先把步骤拆出来：「第一步按用户日期去重，第二步窗口编号，第三步分组键，第四步统计」。说清楚再写，写的时候用 CTE（with 子句）分层，每层一个语义。CTE 分层的好处：逻辑可读、面试官能跟上、写错了好改。
第三步：套模板写主干
四大题型都有成熟模板，先把主干写出来保证正确性，别在这时候炫技。写的时候注意三个基本功：
- distinct 和窗口函数的位置：去重永远放在最内层。
- 日期函数写对：date_sub、datediff、date_trunc，参数顺序别反。
- join 条件完整：多键 join 别漏条件，多对多 join 先确认会不会数据放大。
第四步：补边界和校验
写完主动做三件事：
- 说边界：「如果 update_time 有并列，我加了 id 做 tiebreaker」「如果用户一天都没登录，留存分母不受影响因为 cohort 是首日表」。
- 口头验证：拿一个小数据集（2 个用户、5 行数据）心算一遍中间结果，确认分组键、编号符合预期。
- 提性能：「大表上这个 partition key 如果倾斜可以加盐，生产上我会先看 top key 分布」。一句性能意识能把答案从「会写」拉到「会干活」。
常见扣分点
- 不问口径直接写，写完发现「Top3」的并列语义错了。
- 一条 SQL 嵌套五层不写 CTE，自己都绕晕。
- 日期字段不转 date 直接参与运算，datetime 导致按天聚合全错。
- 写完就交，不主动说边界情况，等面试官挑错。
- 只背模板不理解原理，追问「日期减排名为什么能分组」答不上来。
复习优先级
TopN 和连续行为是必考题，必须脱手写；留存转化类理解 cohort 自连接的思路就能推出来；行列转换记牢 collect 系列和 lateral view 的语法骨架。窗口函数四类（排序/取值/聚合/分布）是所有题型的地基，先把地基打牢再刷题。
可能的追问
- 面试官要求不用窗口函数写 TopN 怎么办？ 用 group by max 回 join 的写法：先按组取极值，再 join 回原表拿整行。要主动说明并列极值会返回多条这个缺陷，以及现代引擎里窗口函数是更优解。
- 写完发现面试官说需求理解错了怎么办？ 不推翻重写，先确认差异点，然后说「那只需要改第二层 CTE 的分组键」，展示结构化写法的可维护性——这正是拆步骤的红利。
- 线上环境 SQL 方言和 Hive 不一样怎么应对？ 提前问目标公司用什么引擎（Hive/Spark/Presto/ClickHouse），函数名有差异（比如 Presto 没有 collect_set 用 array_agg，ClickHouse 是 groupArray），核心逻辑是通用的，说明白思路再调整方言即可。