如何免费网络营销推广_高端网站建设哪里好_seo诊断工具有哪些_seo网站推广方式

横扫SQL面试

电商平台的"销量Top10商品"🛍️，内容社区的"热度Top5文章“”🔥，还是金融领域的"交易额Top3客户"💰——TopN问题无处不在！

无论是日常业务分析📊，还是技术面试💡，能否优雅地解决TopN问题，往往决定了你是一个"只会写基础查询"的SQL用户🧑‍💻，还是一个"能高效处理复杂需求"的数据专家🎯！

TopN问题 前置知识

1. 窗口函数：

   • row_number(): 无并列排名 (1,2,3,4)
   • rank(): 有并列会跳过名次 (1,2,2,4)
   • dense_rank(): 有并列不跳名次 (1,2,2,3)

2. 执行流程：

话不多说——直接上题：🎈🎈🎈🎈🎈🎈🎈

一、销量Top10商品🛍️

在电商业务场景中，为了更好地了解商品销售情况，以便进行库存管理、营销推广等工作，需要找出 2023 年每个商品类目下销量最高的前 10 个商品。

在统计销量时，需要考虑并列情况，即如果有多个商品销量相同且都能进入前 10 名，这些商品都应被选出来。

字段名	类型	描述
order_id	INT	订单的唯一标识符，作为主键
product_id	INT	商品的唯一标识符
category_id	INT	商品类目的唯一标识符
category_name	VARCHAR(50)	商品类目的名称
product_name	VARCHAR(100)	商品的名称
sale_date	DATE	商品销售的日期
quantity	INT	商品的销售数量
price	DECIMAL(10, 2)	商品的销售价格

思路💡

1. 筛选出 2023 年的订单数据。
2. 按商品类目和商品分组，计算每个商品的总销量。

4. 对每个商品类目内的商品按总销量降序排名。
5. 筛选出排名前 10 的商品。

完整代码💻🚀💻🚀：

-- 第一步：创建一个公共表表达式 (CTE) category_sales，用于计算每个商品在 2023 年的总销量
with category_sales as (-- 选择需要的列，包括商品类目 ID、类目名称、商品 ID、商品名称和总销量select category_id,category_name,product_id,product_name,-- 使用 sum 函数计算每个商品的总销量sum(quantity) as total_salesfrom orders-- 筛选出 2023 年的订单数据where extract(year from sale_date) = 2023-- 按商品类目和商品分组group by category_id, category_name, product_id, product_name
),
-- 第二步：创建另一个 CTE ranked_products，用于对每个商品类目内的商品按总销量降序排名
ranked_products as (select category_id,category_name,product_id,product_name,total_sales,-- 使用 dense_rank 函数对每个商品类目内的商品按总销量降序排名dense_rank() over (partition by category_id order by total_sales desc) as sales_rankfrom category_sales
)
-- 第三步：从 ranked_products 中选择排名前 10 的商品
select category_id,category_name,product_id,product_name,total_sales
from ranked_products
-- 筛选出排名前 10 的商品
where sales_rank <= 10;

---

二、社区热度Top5文章🔥

在内容社区里，为了向用户推荐热门文章，需要计算过去 7 天各板块内综合热度排名前 5 的文章。

综合热度的计算方式为：点赞数×0.6 + 收藏数×0.3 + 评论数×0.1。通过这种方式可以更全面地衡量文章在社区内的受欢迎程度。

字段名	类型	描述
article_id	INT	文章的唯一标识符，作为主键
board_id	INT	文章所属板块的唯一标识符
board_name	VARCHAR(50)	文章所属板块的名称
title	VARCHAR(200)	文章的标题
publish_time	DATETIME	文章的发布时间
likes	INT	文章获得的点赞数
favorites	INT	文章获得的收藏数
comments	INT	文章获得的评论数

思路💡

1. 筛选出过去 7 天的文章数据。
2. 计算每篇文章的综合热度。

3. 对每个板块内的文章按综合热度降序排名。
4. 筛选出排名前 5 的文章。

完整代码：💻🚀💻🚀

-- 第一步：创建一个 CTE article_heat，用于计算每篇文章在过去 7 天的综合热度
with article_heat as (select article_id,board_id,board_name,title,-- 计算综合热度：点赞数 * 0.6 + 收藏数 * 0.3 + 评论数 * 0.1(likes * 0.6 + favorites * 0.3 + comments * 0.1) as heat_scorefrom articles-- 筛选出过去 7 天的文章数据where publish_time >= current_date - interval 7 day
),
-- 第二步：创建另一个 CTE ranked_articles，用于对每个板块内的文章按综合热度降序排名
ranked_articles as (select article_id,board_id,board_name,title,heat_score,-- 使用 dense_rank 函数对每个板块内的文章按综合热度降序排名dense_rank() over (partition by board_id order by heat_score desc) as heat_rankfrom article_heat
)
-- 第三步：从 ranked_articles 中选择排名前 5 的文章
select article_id,board_id,board_name,title,heat_score
from ranked_articles
-- 筛选出排名前 5 的文章
where heat_rank <= 5;

article_id	board_id	board_name	title	heat_score
3	2	娱乐	明星新动态	216
4	2	娱乐	电影预告	189
1	1	科技	最新科技趋势	148
2	1	科技	AI 技术突破	116.5
5	3	体育	赛事回顾	130
6	3	体育	运动员风采	118

三、交易额Top3客户💰

在金融业务中，为了对不同区域的优质客户进行精准营销和服务，需要按季度统计 2023 年各区域交易金额最高的 3 个客户，并且要求显示客户层级。

字段名	类型	描述
trans_id	INT	交易的唯一标识符，作为主键
client_id	INT	客户的唯一标识符
client_name	VARCHAR(100)	客户的名称
client_level	VARCHAR(20)	客户的层级
region	VARCHAR(50)	客户所在的区域
trans_amount	DECIMAL(12, 2)	交易的金额
trans_date	DATE	交易的日期

思路💡

1. 筛选出 2023 年的交易数据。
2. 按区域、季度和客户分组，计算每个客户在每个季度的总交易金额。

3. 对每个区域和季度内的客户按总交易金额降序排名。
4. 筛选出排名前 3 的客户。

完整代码：💻🚀💻🚀

-- 第一步：创建一个 CTE quarterly_transactions，用于计算每个客户在每个季度的总交易金额
with quarterly_transactions as (select client_id,client_name,client_level,region,-- 提取交易日期的季度extract(quarter from trans_date) as quarter,-- 使用 sum 函数计算每个客户在每个季度的总交易金额sum(trans_amount) as total_trans_amountfrom transactions-- 筛选出 2023 年的交易数据where extract(year from trans_date) = 2023-- 按区域、季度和客户分组group by client_id, client_name, client_level, region, extract(quarter from trans_date)
),
-- 第二步：创建另一个 CTE ranked_clients，用于对每个区域和季度内的客户按总交易金额降序排名
ranked_clients as (select client_id,client_name,client_level,region,quarter,total_trans_amount,-- 使用 dense_rank 函数对每个区域和季度内的客户按总交易金额降序排名dense_rank() over (partition by region, quarter order by total_trans_amount desc) as trans_rankfrom quarterly_transactions
)
-- 第三步：从 ranked_clients 中选择排名前 3 的客户
select client_id,client_name,client_level,region,quarter,total_trans_amount
from ranked_clients
-- 筛选出排名前 3 的客户
where trans_rank <= 3;

---