SQL 面试怎么准备 2026：窗口函数、留存、漏斗、归因高频题型

💡 核心要点 (Key Takeaways)

• 2026 年 SQL 轮评分的重心已从「写对」移到「写对 + 口径清楚 + 边界覆盖」：late arrival、NULL、重复事件几乎是每题必问的 follow-up，纯语法正确只够及格线。
• 五步解题框架：口径澄清 → 建模（CTE 分层）→ 写查询（先 dedup 再 join 再 aggregate）→ 边界验证 → 追问应答。按框架练 20 道，它会变成肌肉记忆。
• 6 类高频题型：窗口函数、去重、留存、漏斗、归因、迟到数据。窗口函数考语义（rank vs dense_rank、frame 子句），留存/漏斗考分母口径，归因考口径选择。
• 中国/海外候选人最典型的 3 个挂点：不澄清口径就开写、只答 happy path 不处理 NULL 和重复、性能追问只会说加索引。
• 7 / 14 / 30 天三档路线：7 天保 5 道核心题 + 1 场 mock 下限，14 天补综合题与性能/边界专项，30 天加 20+ 道刷量和 4 场混合 mock。

这篇适合谁

这篇写给准备 2026 年技术面、需要过 SQL 轮的候选人——Data Engineer（DE）、Analytics Engineer（AE）、Data Scientist（DS）、数据平台方向 Backend SWE 都适用，级别从 New Grad 到 Senior 都覆盖。和单公司面经不同，这篇不深挖某一家的题库，而是直接回答准备期最核心的问题：SQL 面试怎么准备。它给出四样东西：① SQL 轮在整个流程里的位置地图（哪些岗位必考、考法差异、和 coding / pipeline 轮的分工）；② 一套五步解题框架（口径澄清 → 建模 → 写查询 → 边界验证 → 追问应答），任何题型都能套；③ 6 类高频题型（窗口函数、去重、留存、漏斗、归因、迟到数据）的可执行准备动作；④ 7 / 14 / 30 天三档路线。轮次结构基于 2026 年公开面经信号聚合整理，不同公司、级别、地区会有出入，以你实际收到的邀请为准。如果你是 DE 方向，更完整的岗位能力模型见 DE 岗位解构。

整体框架：SQL 轮在流程里的位置

先纠正一个最常见的误判：SQL 轮不是「会写查询就行」的过场轮。2026 年各岗位的典型分布是：

• DE / AE（独立一轮，45-60 分钟）：通常 1-2 题，和 data modeling、pipeline design 各占一轮。DE 的 SQL 轮考法和分析岗不同——面试官不只看你写得对，还看链路思维：这张表怎么生成、是不是增量、主键是什么、如何去重、消费方是谁。
• DS（SQL + case study 结合，45-60 分钟）：题目从「取数」走向「定义指标 + 写查询 + 解释结论」。SQL 本身常是 medium 难度，但会追问「这个指标下降可能是什么原因、你怎么验证」，终点是分析判断而不是查询本身。
• Backend SWE（低频）：多数 SWE 岗位不单独考 SQL；数据平台 / infra 方向会加一道 medium 的 SQL 题或存储引擎相关的轻题，属于加分项而不是主线。
• 难度区间：medium 为主，hard 集中在 retention / attribution 的边界情况（跨时区、重复事件、迟到数据）。注意：2026 年信号里，面试官追问的深度比题目本身的难度更能区分候选人——medium 题 + 三层追问是主流考法。
• 和 pipeline 轮的分工：SQL 轮证明「你写得对、写得稳」，pipeline design 轮证明「你能 owner 生产链路」。两轮的挂法完全不同，DE 候选人容易把 pipeline 的答题习惯带进 SQL 轮（一上来就画架构图），也容易反过来——DE 的完整准备顺序见 DE 面试：SQL、ETL 和 Pipeline Design 准备顺序。

高频题型与核心方法：五步框架 + 6 类题型

先给框架，再给题型。框架是这篇的核心资产，任何一道 SQL 题都按这五步走：

① 口径澄清：指标定义、时间窗口、唯一键、排除项（测试账号？机器人？）。② 建模：先说 CTE 分层结构再写——deduped → joined → aggregated，让面试官看到你的结构。③ 写查询：从最内层写起，先过滤和去重，再 join，最后聚合——先去重再 join 是控制行数爆炸的第一原则。④ 边界验证：NULL 行去哪了、重复事件会不会被多次计数、跨天/跨时区怎么切。写完主动报一行验证逻辑（行数变化、sample row trace），不等面试官问。⑤ 追问应答：规模变大怎么办、口径变了怎么回填、迟到数据怎么处理。按这个框架练 20 道题，它会变成肌肉记忆。下面是 6 类高频题型，每类都有今天就能开始的动作：

• 窗口函数（最高频）：row_number / rank / dense_rank、lag / lead、rolling sum / avg、first_value / last_value。考点是语义而不是语法——rank 和 dense_rank 在并列时差在哪、frame 用 ROWS 还是 RANGE、默认 frame 是什么。动作：把「每组 top-k」「最近一次」「连续 N 天」三类窗口题各手写 3 遍，练到不看题能默写 frame 子句。
• 去重：业务主键去重、event_id 去重、取最新一条（row_number() over (partition by 主键 order by event_time desc) 再过滤 rn = 1）。考点是去重时机——join 前去重还是 join 后去重，结果行数和性能完全不同；以及 upsert 语义下「更新覆盖」怎么写。动作：建一张 10 行左右的模拟事件表（故意放重复和 NULL），写 3 种去重口径，互相验证行数差异。
• 留存：次日 / 7 日 / 30 日留存，自 join 或 datediff 两种写法。考点全在分母：cohort 按注册日还是首次活跃日切、注册日按 UTC 还是用户时区、跨天边界（23:59 的事件算哪天）。动作：手写 1 道 cohort retention，再用 5 个用户的小样本表手工算一遍，对照两种写法是否一致。
• 漏斗：多步转化（注册 → 激活 → 付费），各步用 datediff + join 串起来。考点是步与步之间的口径：第 2 步必须在第 1 步之后发生才算转化吗？时间窗口多长（24h？7 天？）？用户中途回流重走漏斗算不算新的一次？动作：写 1 道 3 步漏斗，然后追问自己「如果第 2 步可以重复发生，分母怎么定」，把这个答案写下来。
• 归因：首次触达 vs 末次触达 vs 均匀归因，是 2026 年信号里增长最快的题型（营销数据团队扩招带动）。考点是口径选择：归因窗口多长、多触点按什么排序、跨渠道同一用户怎么去重。动作：用 1 张 touchpoint 表分别实现首次和末次归因，对比两者给出的 campaign ROI 差异，并用一句话解释为什么业务上两种口径都「对」。
• 迟到数据 / late arrival（所有题的 follow-up 专项）：不是独立题库，而是面试官对任何一道题都可能追加的问题。考点：watermark 怎么设、窗口关闭后数据到达怎么回补、重算是否幂等、下游 dashboard 怎么标记「数据截至几点」。动作：给你已经写好的任意一道题，补一段 60 秒的迟到数据回答——怎么发现、怎么重算、怎么通知下游，三句各一句。

代表题型：2026 信号里反复出现的 4 类

以下是 2026 年公开面经信号里反复出现的题「类型」，只归纳题型和考点，不复刻任何人的具体原题：

• 经典窗口题（「最近一条」/「连续 N 天」族）：「每个用户最近一次订单」「连续登录 7 天的用户」。考点是 gaps and islands 思路（row_number 差值分组）和窗口 + self-join 的组合。这是区分度最低但出现率最高的一类——不会就是硬伤，会了只是及格，区分在你能不能顺手讲出 O(n) 和 O(n log n) 的取舍。
• 留存 / 漏斗组合题：「上周新增用户的 7 日留存，按获客渠道拆分」。考点是三重嵌套：cohort 切分 × 时间窗口 × 分组维度，最容易在分母上丢分（新增是按注册日还是激活日？渠道取首次还是末次？）。这类题 medium 难度但追问深，是 2026 年 DE / DS 轮的高频主菜。
• 归因 / 营销分析题：「给一次 campaign 算 ROI」——从触点表到转化表 join，归因口径直接决定结果数量级。考点是口径选择题：面试官不指望你一次写对，而是看你会不会先停下来问「归因窗口和归因方式怎么定」再动手。先问再写，这类题就赢了一半。
• 表设计 + SQL 混合题（DE / AE 高频）：「设计一张订单宽表，并写出每日 GMV 查询」。考点是主键、分区键、去重规则、增量更新方式，再叠加一个依赖这张表的查询。纯分析岗少见，DE 方向要专门准备——表建模的追问细节（SCD、为什么不建大宽表、消费方契约）见 DE SQL / Data Modeling 专题，本篇不复述。

常见挂点：中国 / 海外候选人最易失分的 6 个地方

把公开挂因信号和模拟面试复盘对照，SQL 轮的失分点集中在这 6 个：

• 不澄清口径就开写：中国候选人最典型的挂法。题目说「计算用户留存」，直接写，写完 15 分钟面试官一句「注册日按哪个时区？」，整个查询推翻重写。SQL 轮前 5 分钟用来问口径是最划算的投资——分母、时间窗口、唯一键、排除项，四样问完再动手。
• 只答 happy path，不处理 NULL 和重复：left join 产生的 NULL 行、事件表里天然存在的重复上报，你的查询默认把它们当正常数据。面试官追问「你的结果为什么比 dashboard 多 2%」时断片，等于承认没验证过。对策：每道题写完固定报三样——join 前后行数变化、NULL 占比、1 行 sample trace。
• 窗口函数只背语法不解释语义：能默写 row_number() over (partition by ... order by ...)，但被问「rank 和 dense_rank 在并列时差在哪」「ROWS 和 RANGE 的 frame 区别」就卡住。面试官问这个就是在测你是背过的还是真懂。对策：5 类窗口函数各准备 2 分钟语义讲解（含一个反例）。
• CTE 命名混乱，面试官跟不上结构：CTE 全叫 cte1 / cte2，或者一个 CTE 塞了去重 + join + 聚合三件事。CTE 分层命名（deduped_events → joined_orders → daily_agg）本身就是评分点——它证明你脑子里有结构，而不是在拼查询。
• 性能追问只答「加索引」：medium 题被追问「数据量涨 10 倍怎么优化」，答不出分区、预聚合、增量计算、先 dedup 再 join，只会说 indexing——在 DE 面试里这是明显不专业的信号。对策：给每道练过的题写一句「10 倍数据量先坏在哪、第一步优化是什么」。
• 不会主动验证结果：写完直接说「done」，等面试官问「你怎么知道这个是对的」。没有验证习惯在面试官眼里等于「这个结果默认不可信」。对策：把「验证」写进五步框架的第 4 步，mock 时如果没主动报验证逻辑，当场记一个断片点。

准备路线：7 天 / 14 天 / 30 天

按你距第一轮技术面的天数选路线。三个版本的共同原则：五步框架永远优先于题量，5 道走完框架的题胜过 50 道只写到 AC 的题；最后 1-2 天只留 mock 和状态调整，不学新题型。

• 7 天（保下限版）：D1 按五步框架做 2 道窗口题（每组 top-k + 连续登录），强制走完「口径 → 建模 → 写 → 验证」并全程口述；D2-D3 去重 + 留存各 1 道，重点练「先去重再 join」和分母口径；D4-D5 漏斗 + 归因各 1 道，重点练「先问口径再写」；D6 给这 5 道题各补迟到数据和性能追问的 60 秒答案；D7 完整 mock 45 分钟（1 窗口 + 1 分析组合题 + 追问），录音复盘。这个版本只保下限：口径不跳、边界不空、验证主动。
• 14 天（标准版）：在 7 天基础上——D8-D10 做 3 道综合题（留存按渠道拆分、campaign 归因 ROI、表设计 + 查询混合），每道练到 45 分钟内讲完口径、结构和边界；D11 性能专项：给已写过的 5 道题各写「数据量 10 倍」优化方案（分区、预聚合、增量、物化视图四选一讲清取舍）；D12 边界专项：给 5 道题各写 NULL / 重复 / 跨时区 / 迟到 4 类边界处理；D13 mock 一场完整 SQL 轮（2 题 + 三层追问）；D14 缓冲日，检查设备日程，早睡。
• 30 天（系统版）：在 14 天基础上——D15-D20 按题型刷量：6 类题型每类 3-5 道（共 20+ 道），每道记录「卡点 + 我的解和最优解差在哪」，周末重做卡点最多的 3 道；D21-D24 跨题型混合 mock：4 场，每场 1 窗口题 + 1 组合题，练时间分配（每题 20 分钟写完 + 5 分钟验证）；D25-D26 DE 方向衔接专项：练 SQL 轮答完怎么自然过渡到 pipeline 追问（幂等、回填、消费方契约），非 DE 方向改为 BQ 和动机题准备；D27 复盘 4 场 mock，把断片点、口径漏洞各列清单，逐项补答案；D28 建立自己的「口径 checklist」（4-10 条，面试前 10 分钟过一遍）；D29-D30 缓冲 + 状态调整。

FAQ：SQL 面试怎么准备 2026，5 个高频问题

Q1：SQL 面试怎么准备 2026？和以前有什么变化？
核心变化是「口径优先、边界必问」：2026 年公开信号里，面试官几乎每题都会追问 late arrival 和 NULL / 重复处理，纯语法正确只够及格线。准备方法本身没变——五步框架 + 6 类题型 + mock，但每道题必须把边界和性能追问练进答案里，而不是等面试官问。换句话说：以前是「写完再解释」，现在是「解释是答案的一部分」。

Q2：SQL 面试一般考几道题？难度如何？
独立 SQL 轮通常是 45-60 分钟、1-2 题：1 题深挖（medium + 三层追问）或 2 题各 20 分钟（medium 为主）。hard 集中在 retention / attribution 的边界情况。DS 岗位常把 SQL 和 case study 结合，DE 岗位常把 SQL 和表设计结合，Backend 多数不单独考。具体以你实际收到的邀请为准。

Q3：hard 题做不出来正常吗？
正常。2026 年 SQL 轮的评分点不在「AC 了 hard」，而在四件事：口径有没有先确认、结构是否清晰可维护、边界有没有主动覆盖、追问接不接得住。一道 medium 做到「主动验证 + 讲清边界 + 接住 2-3 层追问」，通过率比硬啃 hard 题高得多。卡住时的表达（复述题目 → 缩小范围 → 口述推理 → 要 hint）本身就是评分点。

Q4：DS 和 DE 的 SQL 轮准备有区别吗？
有，而且很大。DS 的 SQL 终点是「结论」——从查询到指标解释到业务建议，题目偏分析组合，追问往「指标为什么波动、怎么验证假设」走；DE 的 SQL 终点是「生产可信」——这张表怎么生成、是否幂等、如何回填、消费方契约，追问往「迟到数据、schema 变更、成本」走。同一道留存题，DS 要答「留存下降可能是什么原因」，DE 要答「这张留存表每天怎么算、迟到数据怎么补、下游怎么感知口径变更」。DE 的完整准备顺序见站内 DE 面试 SQL / ETL / Pipeline 专题。

Q5：刷题平台怎么选？需要刷多少道？
平台不重要，题型覆盖和追问练习才重要。20-40 道覆盖 6 类题型、每道走完五步框架 + 边界追问，比无脑刷 100 道更有效。优先级排序：窗口函数 > 去重 > 留存 > 漏斗 > 归因 > 迟到数据（最后这个是 follow-up 专项，不是独立题库，挂在每道题上练）。判断练没练够的标准只有一个：mock 里能不能在 20 分钟内把一道没见过的 medium 题走完五步、并且验证是主动报出来的。