面试中要求“熟练掌握SQL”

面试中要求"熟练掌握SQL"，核心是能独立解决业务场景下的数据提取、清洗、分析、性能优化问题，而非仅记住语法。

不同岗位（数据分析师/开发/数仓工程师）对深度要求略有差异，但通用核心能力可分为以下6个层级，从基础到进阶层层递进：

一、核心基础语法（必掌握，入门门槛） 这是SQL的"基本功"，面试官会通过简单手写题验证，比如"查询近7天销售额前10的商品"。

1. 数据查询（DQL）- 基础：SELECT（别名、去重DISTINCT）、FROM、WHERE（多条件组合AND/OR、范围BETWEEN、模糊匹配LIKE/REGEXP、空值IS NULL）； - 排序：ORDER BY（升序/降序、多字段排序）； - 限制：LIMIT/OFFSET（分页、取Top N）； - 聚合：GROUP BY+聚合函数（COUNT/SUM/AVG/MIN/MAX）、HAVING（分组后过滤，区别于WHERE）。

2.数据操作（DML）- 增：INSERT INTO（单行/多行插入、从查询结果插入）； - 改：UPDATE（单表/多表更新，注意WHERE条件避免全表更新）； - 删：DELETE（单表/多表删除，TRUNCATE与DELETE的区别）。

3.数据定义（DDL，偏开发/数仓）- 库/表操作：CREATE/DROP/ALTER（建表时指定字段类型、主键/外键/索引、字符集）； - 索引：CREATE INDEX（普通索引、唯一索引、联合索引）、DROP INDEX。

二、多表关联与子查询（核心高频，区分"会用"和"熟练"） 实际业务数据分散在多张表（比如用户表、订单表、商品表），这是面试重点考察内容。

1. JOIN系列（必须吃透）- 内连接：INNER JOIN（仅匹配两表交集）； - 外连接：LEFT JOIN/RIGHT JOIN/FULL JOIN（保留左/右/两边全部数据，未匹配补NULL）； - 交叉连接：CROSS JOIN（笛卡尔积，知道场景和风险）； - 特殊：SELF JOIN（自连接，比如查询员工及其直属领导）； - 易错点：ON与WHERE的区别、多表连接时的别名规范、避免笛卡尔积。

2.子查询- 分类：标量子查询（返回单个值）、行子查询、列子查询（IN/ANY/ALL）、表子查询（作为临时表）； - 场景：比如"查询购买过类目A商品且客单价高于平均值的用户"； - 进阶：关联子查询（CORRELATED SUBQUERY，子查询依赖外部表，比如WHERE EXISTS）。

三、高级函数与数据处理（业务落地能力） 熟练的标志是能通过函数快速处理业务数据，而非依赖下游工具（Excel/Python）。

1. 字符串函数：CONCAT（拼接）、SUBSTRING（截取）、TRIM（去空格）、REPLACE（替换）、LENGTH（长度）；

2.日期函数（高频中的高频）： - 基础：DATE_FORMAT（格式化）、DATE_ADD/DATE_SUB（日期加减）、DATEDIFF/TIMESTAMPDIFF（计算日期间隔）； - 进阶：YEAR/MONTH/DAY/HOUR（提取时间维度）、STR_TO_DATE（字符串转日期）、处理时区问题；

3.数值函数：ROUND（四舍五入）、CEIL/FLOOR（向上/向下取整）、ABS（绝对值）；

4.条件函数： -CASE WHEN（多分支判断，比如"按订单金额分级：高/中/低"）； -IF/IFNULL（简单条件、空值替换）；

5.**窗口函数（核心区分度，重中之重）**这是"熟练"和"普通"的核心差距，面试官必问，比如： - 排序类：ROW_NUMBER()/RANK()/DENSE_RANK()（比如"取每个部门薪资最高的3人"）； - 聚合类：SUM() OVER()/AVG() OVER()（比如"计算累计销售额、移动平均"）； - 偏移类：LAG()/LEAD()（比如"查询用户上一次下单时间、环比数据"）； - 窗口定义：PARTITION BY（分组）、ORDER BY（窗口内排序）、ROWS/RANGE（窗口范围）。

四、性能优化（体现"深度"，偏开发/数仓，分析师也需了解） 不仅能写出SQL，还能写出"高效的SQL"，面试官会问"如何优化慢查询"：

1. 索引优化 ： - 理解索引原理（B+树）、适合建索引的场景（WHERE/ JOIN/ ORDER BY字段）； - 避免索引失效：比如LIKE '%xxx'、函数操作索引字段、隐式类型转换、OR连接非索引字段； 2.查询优化 ： - 避免SELECT *，只查需要的字段； - 大表分页优化（比如WHERE id > 10000 LIMIT 10）； - 减少子查询嵌套，改用JOIN； - 分批更新/删除大表数据（避免锁表）； 3.执行计划： 会看EXPLAIN（执行计划），理解type（访问类型：ALL/ range/ ref/ eq_ref/ const）、key（使用的索引）、rows（扫描行数）、Extra（Using filesort/ Using temporary等异常提示）。 ### 五、事务与锁（偏开发/后端，数仓/分析师了解即可）

1.事务特性（ACID）：原子性、一致性、隔离性、持久性；

2.事务隔离级别 ：读未提交、读已提交、可重复读、串行化（解决脏读/不可重复读/幻读）； 3.锁机制：行锁/表锁、共享锁/排他锁（了解基本概念，避免面试被问倒）。

六、不同SQL方言的差异（适配性） SQL是标准，但不同数据库（MySQL/ PostgreSQL/ Hive/ SQL Server）有方言差异，需掌握目标岗位所用的： - MySQL：LIMIT、IFNULL、TIMESTAMPDIFF； - Hive SQL：LATERAL VIEW（炸裂数组）、CTE（WITH子句）、分区表/分桶表； - SQL Server：TOP、DATEADD、IIF； - PostgreSQL：LIMIT/OFFSET、TO_DATE、数组函数。 ### 面试常见验证方式（附示例）

1. 手写SQL题：比如"统计每个用户的首单时间、复购率、近30天下单次数"；

2. 优化题：给出一段慢查询SQL，问如何优化；

3. 场景题："如何用SQL计算用户留存率（次日/7日/30日）""如何找出连续3天登录的用户"；

4. 窗口函数题："用SQL实现排名、累计求和、环比分析"。 ### 总结 - 数据分析师：重点掌握基础语法+多表连接+日期/条件/窗口函数+业务场景落地 ，优化了解即可； - 后端/数据库开发：全量掌握，重点加性能优化+事务锁+执行计划 ； - 数仓工程师：全量掌握，重点加DDL+窗口函数+优化+Hive/数仓建模相关SQL 。 核心是：能把业务问题转化为SQL逻辑，写出的SQL简洁、高效、可维护，而非死记语法。

1个月SQL学习计划（数据分析岗定向） **核心目标**：掌握数据分析所需的SQL核心技能，能独立完成业务数据提取、清洗、聚合、分析，应对面试手写题和实操题。 **学习原则**：**每天2-3小时**，**理论+实操结合**，优先掌握高频知识点，跳过偏开发的事务/锁等内容。 **工具准备**：MySQL（免费易上手）+ Navicat/DBeaver（可视化工具），或用LeetCode/SQLZoo在线刷题。

第1周：夯实基础语法，搞定单表查询（入门关键） **目标**：熟练写单表查询语句，理解聚合、过滤、排序逻辑，能解决基础统计需求。

| 天数 | 学习内容 | 实操任务 | 检验标准 | |------|----------|----------|----------|

| Day1 | 1. 数据库/表操作：`CREATE/DROP/ALTER`、`DESC`查看表结构<br>2. 基础查询：`SELECT`（别名、`DISTINCT`）、`FROM`、`WHERE`（多条件`AND/OR`、`BETWEEN`、`LIKE`、`IS NULL`） | 1. 新建测试库，导入3张基础表：用户表（user）、订单表（order）、商品表（product）<br>2. 练习：查询"2025年1月下单且金额>100元"的订单ID | 能独立写出5个不同过滤条件的查询语句，无语法错误 |

| Day2 | 1. 排序与分页：`ORDER BY`（多字段排序）、`LIMIT/OFFSET`<br>2. 聚合函数：`COUNT/SUM/AVG/MIN/MAX`（注意`COUNT(*)`与`COUNT(字段)`区别） | 1. 练习：查询订单表中"销售额最高的前10个订单"<br>2. 练习：统计"每个商品的总销量、平均单价" | 能正确区分`ORDER BY`和`GROUP BY`的位置，聚合函数使用无错 |

| Day3 | 1. 分组查询：`GROUP BY`+`HAVING`（重点：`HAVING`与`WHERE`的区别）<br>2. 常见数值/字符串函数：`ROUND`、`CONCAT`、`SUBSTRING`、`TRIM` | 1. 练习：统计"总销量>100的商品类别"<br>2. 练习：将用户名和手机号拼接为"姓名-手机号"格式 | 能独立写出带`GROUP BY`+`HAVING`的语句，函数能解决字符串/数值处理需求 |

| Day4 | 复习Day1-Day3内容，整理基础语法笔记 | 1. 汇总单表查询高频易错点（如`WHERE`后不能用聚合函数）<br>2. 刷SQLZoo **SELECT篇** 1-15题 | 能快速写出任意单表统计需求的SQL |

| Day5-Day7 | 巩固提升：每天刷10道单表查询题 | 推荐刷题平台：<br>1. LeetCode 数据库题库 **简单题**（前20道）<br>2. SQLZoo **SELECT from WORLD** 章节 | 正确率≥90%，每题耗时≤5分钟 |

第2周：攻克多表关联，掌握子查询（核心重点） **目标**：熟练使用`JOIN`系列连接多表，能写各类子查询，解决跨表分析需求（数据分析岗高频考点）。

| 天数 | 学习内容 | 实操任务 | 检验标准 | |------|----------|----------|----------|

| Day8 | 1. 多表关联基础：`INNER JOIN`、`LEFT JOIN`、`RIGHT JOIN`（重点：`ON`的作用）<br>2. 自连接（`SELF JOIN`）场景：如"查询员工及其直属领导" | 1. 练习：用`LEFT JOIN`关联用户表和订单表，查询"每个用户的下单次数"（含未下单用户）<br>2. 练习：用自连接查询"订单金额高于自身平均金额的订单" | 能区分`INNER JOIN`和`LEFT JOIN`的结果差异，自连接能理清表别名逻辑 |

| Day9 | 1. 复杂多表连接：3表及以上关联（如user→order→product）<br>2. 子查询基础：标量子查询、列子查询（`IN/ANY/ALL`） | 1. 练习：关联3张表，查询"每个用户购买的商品类别及数量"<br>2. 练习：查询"购买过商品A的用户列表"（用子查询实现） | 3表连接语句无语法错误，子查询能替代部分`JOIN`场景 |

| Day10 | 1. 表子查询（子查询作为临时表，`AS`别名）<br>2. 关联子查询：`WHERE EXISTS`（重点：子查询依赖外部表） | 1. 练习：用表子查询统计"每个月的订单总数"<br>2. 练习：查询"存在重复下单的用户"（用`EXISTS`实现） | 能独立写出带表子查询的语句，理解`EXISTS`的高效性 |

| Day11 | 复习Day8-Day10内容，整理多表连接/子查询笔记 | 1. 汇总`JOIN`系列易错点（如`LEFT JOIN`后用`WHERE`过滤会变成`INNER JOIN`）<br>2. 对比子查询和`JOIN`的适用场景 | 能快速判断业务需求该用`JOIN`还是子查询 |

| Day12-Day14 | 巩固提升：每天刷10道多表查询题 | 推荐刷题平台：<br>1. LeetCode 数据库题库 **简单-中等题**（20-40道）<br>2. SQLZoo **JOIN篇** 全章节 | 正确率≥85%，能解释每段SQL的执行逻辑 |

第3周：吃透窗口函数，玩转日期处理（区分度考点） **目标**：掌握窗口函数核心用法，熟练处理日期维度分析，能完成复杂业务统计（面试加分项）。

| 天数 | 学习内容 | 实操任务 | 检验标准 | |------|----------|----------|----------|

| Day15 | 1. 窗口函数基础：`OVER()`子句、`PARTITION BY`（分组）、`ORDER BY`（窗口内排序）<br>2. 排序类窗口函数：`ROW_NUMBER()`/`RANK()`/`DENSE_RANK()`（重点区分三者差异） | 1. 练习：查询"每个商品类别下销量最高的3个商品"<br>2. 练习：给订单表按金额排序并生成排名 | 能正确区分3种排序函数的结果，`PARTITION BY`使用无误 |

| Day16 | 1. 聚合类窗口函数：`SUM() OVER()`/`AVG() OVER()`（累计求和、移动平均）<br>2. 偏移类窗口函数：`LAG()`/`LEAD()`（前后值获取） | 1. 练习：计算"每月的累计销售额"<br>2. 练习：查询"每个用户的上一次下单时间" | 能写出累计统计和环比分析的SQL，理解`ROWS/RANGE`窗口范围 |

| Day17 | 1. 日期函数（数据分析高频）：`DATE_FORMAT`、`DATE_ADD`/`DATE_SUB`、`DATEDIFF`/`TIMESTAMPDIFF`<br>2. 时间维度拆解：`YEAR`/`MONTH`/`WEEK`/`DAY` | 1. 练习：统计"近7天/近30天的订单量"<br>2. 练习：计算"每个订单的下单时间距离用户注册时间的天数" | 能处理任意日期筛选和计算需求，无日期格式错误 |

| Day18 | 1. 条件函数：`CASE WHEN`（多分支判断，核心业务工具）<br>2. 综合练习：窗口函数+日期函数+多表连接 | 1. 练习：按订单金额分级（0-100:低，100-500:中，>500:高）<br>2. 练习：查询"每个用户的首单时间、复购次数" | 能独立写出带`CASE WHEN`的复杂统计语句 |

| Day19-Day21 | 巩固提升：每天刷5道窗口函数+日期处理综合题 | 推荐刷题平台：<br>1. LeetCode 数据库题库 **中等题**（窗口函数专题）<br>2. 牛客网 SQL专项练习 **进阶篇** | 能解决"排名、累计、环比、留存"等分析需求 |

第4周：综合实战+面试冲刺（胜任岗位关键） **目标**：整合所有知识点，完成实战项目，掌握面试技巧，能应对数据分析岗SQL面试。

| 天数 | 学习内容 | 实操任务 | 检验标准 | |------|----------|----------|----------|

| Day22 | 1. SQL性能优化（数据分析岗必备基础）：<br> - 索引原理：适合建索引的字段（`WHERE`/`JOIN`/`ORDER BY`）<br> - 避免索引失效的场景（`LIKE '%xxx'`、函数操作索引字段）<br> - 执行计划：`EXPLAIN`关键字（看懂`type`/`key`/`Extra`字段） | 1. 给测试表的高频查询字段建索引，对比查询速度<br>2. 用`EXPLAIN`分析慢查询SQL的问题 | 能说出3个索引失效的场景，会用`EXPLAIN`优化简单慢查询 |

| Day23-Day24 | 综合实战项目：模拟数据分析业务需求 | 项目需求（任选其一）：<br>1. **用户行为分析**：统计用户留存率（次日/7日/30日）、复购率、客单价<br>2. **销售分析**：统计各区域/品类销售额、TOP商品、环比增长率 | 能独立写出完整的分析SQL，输出可直接用于报表的数据 |

| Day25-Day26 | 面试高频题专项突破 | 重点刷以下类型题：<br>1. 留存率计算（用`LEFT JOIN`+日期函数）<br>2. 连续登录用户查询（用窗口函数+`DATEDIFF`）<br>3. 去重统计（`COUNT(DISTINCT)`优化） | 能在10分钟内写出留存率/连续登录的SQL |

| Day27-Day28 | 错题复盘+知识点查漏补缺 | 1. 整理前3周的错题本，重新做一遍错误题<br>2. 补充学习目标岗位的SQL方言差异（如Hive SQL的`LATERAL VIEW`） | 错题正确率≥95%，了解目标公司使用的数据库特性 |

| Day29-Day30 | 模拟面试+简历准备 | 1. 找朋友进行SQL手写题模拟面试（每题限时10分钟）<br>2. 整理简历中的SQL项目经验，突出"用SQL解决了什么业务问题" | 能流畅讲解SQL的执行逻辑，面试题正确率≥90% | ## 学习小贴士 1. **实操优先**：不要只背语法，每学一个知识点就立刻写SQL验证，推荐导入真实业务数据集（如电商订单数据）练习。 2. **错题本很重要**：把写错的SQL和错误原因记录下来，比如"`LEFT JOIN`后用`WHERE`过滤导致数据丢失"，避免重复踩坑。 3. **针对性刷题**：数据分析岗重点刷**统计、排序、累计、留存**相关题目，不用纠结偏开发的存储过程/触发器。 是否需要我为你整理一份**数据分析岗SQL面试高频手写题清单**，方便你最后冲刺练习？

数据分析岗SQL面试高频手写题清单 这份清单覆盖**单表统计、多表关联、窗口函数、日期分析、业务场景**五大核心模块，是数据分析岗面试的高频考点，建议每题限时 **10-15分钟** 独立完成，重点理解解题思路而非死记答案。 ### 一、 单表查询与基础统计（入门必过） 1. 现有订单表 `orders`（字段：`order_id`, `user_id`, `order_amount`, `order_date`, `pay_status`），统计 **2025年每个月的订单总数、总销售额、平均订单金额**，结果按月份升序排列。 2. 基于 `orders` 表，查询 **2025年第二季度（4-6月）支付成功（`pay_status=1`）且订单金额>500元** 的订单数量。 3. 现有用户表 `users`（字段：`user_id`, `user_name`, `gender`, `register_date`），统计 **男性和女性的用户数量**，要求列名显示为 `性别`、`用户数`。 4. 基于 `orders` 表，找出 **订单金额最高的前10个订单**，若金额相同则按下单时间降序排列。 5. 基于 `users` 表，统计 **2025年每个注册周的新增用户数**（周数从1到52）。

二、 多表关联查询（核心高频） 现有三张表： - `users`（`user_id`, `register_date`） - `orders`（`order_id`, `user_id`, `order_amount`, `order_date`, `product_id`） - `products`（`product_id`, `product_name`, `category`） 1. 查询 **每个用户的用户名、注册时间、累计下单次数、累计消费金额**，包含未下单的用户（显示为0）。 2. 查询 **每个商品类别的名称、总销量、总销售额**，结果按总销售额降序排列。 3. 查询 **购买过"手机"类商品的用户列表**，要求去重，显示用户ID和注册时间。 4. 查询 **2025年5月下单且购买的商品包含"耳机"的订单信息**，显示订单ID、用户ID、订单金额、下单时间。 5. 统计 **每个用户的首单时间和首单金额**，首单定义为用户最早的下单记录。

三、 窗口函数专项（区分度考点） 基于订单表 `orders`（`order_id`, `user_id`, `order_amount`, `order_date`） 1. 给每个用户的订单按 **下单时间升序排序并生成订单序号**，显示用户ID、订单ID、下单时间、订单序号。 2. 查询 **每个用户订单金额最高的前2笔订单**，若金额相同则取最新的一笔。 3. 计算 **2025年每月的累计销售额**，显示月份、当月销售额、累计销售额。 4. 查询 **每个订单的上一笔订单金额和下一笔订单金额**，显示订单ID、订单金额、上一笔金额、下一笔金额。 5. 找出 **连续3天及以上有下单记录的用户**，显示用户ID和连续下单的天数。

四、 日期与业务分析（实战场景） 1. **用户留存率计算**：基于 `users` 和 `orders` 表，计算 **2025年5月1日注册用户的次日留存率、7日留存率**。 > 次日留存：注册第2天有下单的用户数 / 5月1日总注册用户数 2. **复购率计算**：统计 **2025年第二季度的用户复购率**，复购用户定义为下单次数≥2次的用户。 3. **客单价分层**：基于 `orders` 表，按订单金额将用户分为3层：低（≤100）、中（101-500）、高（>500），统计各层级的用户数和占比。 4. **环比增长率计算**：计算 **2025年每个月的销售额环比增长率**，环比增长率 = (本月销售额 - 上月销售额) / 上月销售额 * 100%。 5. **活跃用户统计**：定义活跃用户为"近30天内有下单记录"，统计 **2025年6月30日的活跃用户数**。

五、 易错与优化类（进阶加分） 1. 现有SQL：`SELECT * FROM orders WHERE DATE(order_date) = '2025-05-01'`，请说明该SQL的性能问题并给出优化方案。 2. 如何优化 `COUNT(DISTINCT user_id)` 在大表中的查询效率？ 3. 用SQL实现：查询 **订单金额大于该用户平均订单金额的所有订单**。 --- 是否需要我为你提供**其中5道高频题的详细解题思路和参考答案**，帮你快速掌握解题技巧？

5道高频SQL面试题（详细解题思路+参考答案） 以下选取**留存率、连续登录、首单统计、累计销售额、客单价分层** 5道最核心的面试题，覆盖日期处理、窗口函数、多表关联等核心考点，附「思路拆解+SQL答案+易错点」，帮你吃透解题逻辑。

题目1：用户次日/7日留存率计算（日期分析+多表关联） #### 题目描述 基于 `users`（`user_id`, `register_date`）和 `orders`（`order_id`, `user_id`, `order_date`）表，计算2025年5月1日注册用户的**次日留存率、7日留存率**。 - 次日留存：注册第2天（2025-05-02）有下单的用户数 / 5月1日总注册用户数 - 7日留存：注册后7天内（2025-05-01至2025-05-08）有下单的用户数 / 5月1日总注册用户数

解题思路 1. **第一步**：筛选出2025-05-01注册的用户（基础筛选）； 2. **第二步**：关联订单表，判断这些用户是否在留存时间内下单（日期差计算）； 3. **第三步**：统计留存用户数和总注册用户数，计算留存率（注意分母不能为0）。

参考答案（MySQL） ```sql -- 第一步：先筛选5月1日注册的用户，作为基础表 WITH register_users AS ( SELECT user_id FROM users WHERE DATE(register_date) = '2025-05-01' ), -- 第二步：统计留存用户数 retention_stats AS ( SELECT -- 统计次日留存用户数：下单日期=注册次日 COUNT(DISTINCT CASE WHEN DATEDIFF(order_date, register_date) = 1 THEN u.user_id END) AS next_day_retention, -- 统计7日留存用户数：下单日期在注册后1-7天（含） COUNT(DISTINCT CASE WHEN DATEDIFF(order_date, register_date) BETWEEN 1 AND 7 THEN u.user_id END) AS seven_day_retention, -- 总注册用户数 COUNT(DISTINCT u.user_id) AS total_register FROM register_users u LEFT JOIN orders o ON u.user_id = o.user_id ) -- 第三步：计算留存率（保留2位小数） SELECT total_register, next_day_retention, seven_day_retention, ROUND(next_day_retention / total_register * 100, 2) AS next_day_retention_rate, ROUND(seven_day_retention / total_register * 100, 2) AS seven_day_retention_rate FROM retention_stats; ``` #### 易错点 1. 留存率分母是「注册总用户数」，不是「有下单的用户数」； 2. 日期差计算：`DATEDIFF(结束日期, 开始日期)`，注意顺序（比如次日留存是`order_date - register_date = 1`）； 3. 必须用`LEFT JOIN`，否则会漏掉"注册但未下单"的用户（导致分母偏小）。

题目2：找出连续3天及以上有下单记录的用户（窗口函数+日期差） #### 题目描述 基于订单表 `orders`（`order_id`, `user_id`, `order_date`），找出连续3天及以上有下单记录的用户，显示用户ID和连续下单的天数。

解题思路 1. **第一步**：对每个用户的下单日期去重（避免同一天多次下单干扰），并按日期排序； 2. **第二步**：用窗口函数`ROW_NUMBER()`给每个用户的下单日期编序号； 3. **第三步**：计算「下单日期 - 序号」，连续日期的结果会相同（核心技巧）； 4. **第四步**：按用户+相同结果分组，统计连续天数，筛选≥3天的用户。

参考答案（MySQL） ```sql -- 第一步：用户下单日期去重并排序 WITH user_order_dates AS ( SELECT user_id, DATE(order_date) AS order_dt, -- 只保留日期部分 ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY DATE(order_date)) AS rn FROM orders GROUP BY user_id, DATE(order_date) -- 去重：同一天多次下单算1天 ), -- 第二步：计算日期差，连续日期的dt_diff相同 user_continuous AS ( SELECT user_id, order_dt, rn, DATE_SUB(order_dt, INTERVAL rn DAY) AS dt_diff -- 核心：连续日期的dt_diff一致 FROM user_order_dates ), -- 第三步：统计每个用户的连续天数 continuous_stats AS ( SELECT user_id, dt_diff, COUNT(*) AS continuous_days FROM user_continuous GROUP BY user_id, dt_diff HAVING COUNT(*) >= 3 -- 筛选连续≥3天的记录 ) -- 第四步：输出最终结果（去重用户，取最大连续天数） SELECT user_id, MAX(continuous_days) AS max_continuous_days FROM continuous_stats GROUP BY user_id; ``` #### 易错点 1. 未对下单日期去重：比如用户一天下3单，会被误判为3天； 2. 窗口函数忘记`PARTITION BY user_id`：会给所有用户的日期统一编号，导致逻辑错误； 3. 日期差计算错误：需用`DATE_SUB`而非直接减数字。

题目3：统计每个用户的首单时间和首单金额（窗口函数+排序） #### 题目描述 基于订单表 `orders`（`order_id`, `user_id`, `order_amount`, `order_date`），统计每个用户的首单时间（最早下单时间）和首单金额，包含未下单的用户（需关联`users`表：`user_id`, `user_name`）。

解题思路 1. **第一步**：用窗口函数`ROW_NUMBER()`给每个用户的订单按时间升序排序； 2. **第二步**：筛选出每个用户排序为1的订单（首单）； 3. **第三步**：左关联用户表，补充未下单用户的信息（首单时间/金额显示为NULL）。

参考答案（MySQL） ```sql -- 第一步：给每个用户的订单按时间排序，标记首单 WITH user_order_rn AS ( SELECT user_id, order_date, order_amount, ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY order_date) AS rn FROM orders ) -- 第二步：关联用户表，统计首单信息 SELECT u.user_id, u.user_name, -- 首单时间：rn=1的订单日期 MAX(CASE WHEN o.rn = 1 THEN o.order_date END) AS first_order_date, -- 首单金额：rn=1的订单金额 MAX(CASE WHEN o.rn = 1 THEN o.order_amount END) AS first_order_amount FROM users u LEFT JOIN user_order_rn o ON u.user_id = o.user_id GROUP BY u.user_id, u.user_name; ``` #### 简化写法（不用窗口函数） ```sql SELECT u.user_id, u.user_name, MIN(o.order_date) AS first_order_date, -- 关联首单日期取金额 (SELECT order_amount FROM orders WHERE user_id = u.user_id AND order_date = MIN(o.order_date) LIMIT 1) AS first_order_amount FROM users u LEFT JOIN orders o ON u.user_id = o.user_id GROUP BY u.user_id, u.user_name; ``` #### 易错点 1. 未处理"用户有多个首单（同一时间下单）"：用`LIMIT 1`或`MAX/MIN`避免返回多条； 2. 忘记左关联用户表：导致未下单用户被过滤； 3. 用`RANK()`替代`ROW_NUMBER()`：若同一用户同一时间多单，`RANK()`会生成多个1，需额外处理。

题目4：计算2025年每月的累计销售额（窗口函数+聚合） #### 题目描述 基于订单表 `orders`（`order_id`, `order_amount`, `order_date`），计算2025年每个月的销售额及累计销售额，结果按月份升序排列。 #### 解题思路 1. **第一步**：按月份统计当月销售额（基础聚合）； 2. **第二步**：用聚合类窗口函数`SUM() OVER()`计算累计销售额（窗口范围为"从开始到当前行"）。

参考答案（MySQL） ```sql -- 第一步：统计每月销售额 WITH monthly_sales AS ( SELECT MONTH(order_date) AS month, -- 提取月份 SUM(order_amount) AS monthly_amount FROM orders WHERE YEAR(order_date) = 2025 -- 筛选2025年 GROUP BY MONTH(order_date) ) -- 第二步：计算累计销售额 SELECT month, monthly_amount, -- 累计销售额：按月份排序，累加所有之前的月份 SUM(monthly_amount) OVER (ORDER BY month) AS cumulative_amount FROM monthly_sales ORDER BY month; ``` #### 进阶：显示完整月份（含销售额为0的月份） ```sql -- 生成1-12月的虚拟表 WITH months AS ( SELECT 1 AS month UNION ALL SELECT 2 UNION ALL SELECT 3 UNION ALL SELECT 4 UNION ALL SELECT 5 UNION ALL SELECT 6 UNION ALL SELECT 7 UNION ALL SELECT 8 UNION ALL SELECT 9 UNION ALL SELECT 10 UNION ALL SELECT 11 UNION ALL SELECT 12 ), -- 统计2025年每月销售额 monthly_sales AS ( SELECT MONTH(order_date) AS month, COALESCE(SUM(order_amount), 0) AS monthly_amount FROM orders WHERE YEAR(order_date) = 2025 GROUP BY MONTH(order_date) ) -- 关联虚拟表，补充销售额为0的月份 SELECT m.month, COALESCE(ms.monthly_amount, 0) AS monthly_amount, SUM(COALESCE(ms.monthly_amount, 0)) OVER (ORDER BY m.month) AS cumulative_amount FROM months m LEFT JOIN monthly_sales ms ON m.month = ms.month ORDER BY m.month; ``` #### 易错点 1. 累计销售额未排序：`OVER()`中必须加`ORDER BY month`，否则累计逻辑错误； 2. 忽略销售额为0的月份：需用虚拟表生成12个月，左关联补0； 3. 未筛选年份：导致跨年度数据干扰。

题目5：客单价分层统计（CASE WHEN+聚合） #### 题目描述 基于订单表 `orders`（`order_id`, `user_id`, `order_amount`），按订单金额将用户分为3层： - 低客单：≤100元 - 中客单：101-500元 - 高客单：>500元 统计各层级的用户数、订单数、总销售额及用户占比。

解题思路 1. **第一步**：用`CASE WHEN`给每个订单标记客单层级； 2. **第二步**：按层级聚合，统计用户数（去重）、订单数、总销售额； 3. **第三步**：计算用户占比（各层级用户数/总用户数）。

参考答案（MySQL） ```sql -- 第一步：标记客单层级，统计基础指标 WITH level_stats AS ( SELECT -- 客单层级 CASE WHEN order_amount <= 100 THEN '低客单' WHEN order_amount BETWEEN 101 AND 500 THEN '中客单' ELSE '高客单' END AS customer_level, user_id, order_amount FROM orders ), -- 第二步：按层级聚合 agg_stats AS ( SELECT customer_level, COUNT(DISTINCT user_id) AS user_count, -- 层级用户数 COUNT(*) AS order_count, -- 层级订单数 SUM(order_amount) AS total_sales, -- 层级总销售额 (SELECT COUNT(DISTINCT user_id) FROM orders) AS total_user -- 总用户数 FROM level_stats GROUP BY customer_level ) -- 第三步：计算用户占比 SELECT customer_level, user_count, order_count, total_sales, ROUND(user_count / total_user * 100, 2) AS user_ratio FROM agg_stats ORDER BY -- 按层级排序（低→中→高） CASE customer_level WHEN '低客单' THEN 1 WHEN '中客单' THEN 2 ELSE 3 END; ``` #### 易错点 1. 用户数未去重：用`COUNT(DISTINCT user_id)`而非`COUNT(user_id)`（避免同一用户多单重复统计）； 2. 层级边界错误：比如将100元归为中客单，需严格匹配题目要求； 3. 占比计算错误：分母是"总用户数"，不是"层级用户数之和"（避免遗漏未下单用户）。 --- 如果需要其他题目的解题思路，或者想针对某道题的优化方式深入探讨（比如如何简化SQL、提升查询效率），可以告诉我。