Главная › Блог › SQL на собеседовании: вопросы и задачи для бэкендера

SQL на собеседовании: вопросы и задачи для бэкендера

Зачем бэкендеру SQL-секция на собеседовании

SQL спрашивают почти на всех бэкенд-собеседованиях независимо от языка — Java, Kotlin, Go, Python. Логика простая: ORM абстрагирует работу с базой, но не абстрагирует мышление. Если кандидат не может написать JOIN или объяснить, почему запрос с GROUP BY не компилируется, это повод для собеседующего задать больше вопросов о понимании данных.

Секция может проходить как live coding в блокноте или песочнице (чаще всего на PostgreSQL), как устные вопросы про механику (индексы, транзакции, блокировки) или как разбор плана запроса. Ниже — типовые задачи на PostgreSQL с разбором частых ошибок и короткими пояснениями.

JOIN и антиджойн: найти клиентов без заказов

Условие: есть таблицы customers(id, name) и orders(id, customer_id, amount). Нужны клиенты, у которых нет ни одного заказа.

select c.id, c.name
from customers c
left join orders o on o.customer_id = c.id
where o.id is null;

Подвох: условие is null нужно ставить в WHERE, после того как LEFT JOIN уже подставил пустые (NULL) значения для несовпавших строк правой таблицы — это следует из описания LEFT OUTER JOIN в документации PostgreSQL. Если вместо этого попытаться отфильтровать через ON o.customer_id = c.id and o.id is null, запрос синтаксически корректен, но смысл условия в ON и WHERE для LEFT JOIN различается, поэтому при разборе задачи стоит явно проговорить, почему фильтр стоит именно в WHERE. Альтернатива — NOT EXISTS:

select c.id, c.name
from customers c
where not exists (
  select 1 from orders o where o.customer_id = c.id
);
Антиджойн — это как сверять список гостей со списком тех, кто пришёл: LEFT JOIN сначала сажает всех рядом, а WHERE... IS NULL потом вычёркивает тех, у кого пара не нашлась.

GROUP BY и HAVING: клиенты с суммой заказов больше порога

select customer_id, sum(amount) as total
from orders
group by customer_id
having sum(amount) > 10000;

Частая ошибка — попытка написать where sum(amount) > 10000. По документации PostgreSQL, WHERE и GROUP BY с HAVING — это последовательный конвейер преобразований: сначала WHERE отфильтровывает строки, затем выполняется группировка, и только после неё — фильтрация агрегатов в HAVING. Фильтровать по агрегату в WHERE нельзя именно поэтому.

Дубликаты: найти и удалить

Классика: в таблице users(id, email) есть повторяющиеся email, нужно найти их и оставить только одну запись на email.

select email, count(*) 
from users
group by email
having count(*) > 1;

Удаление дублей обычно решается оконной функцией:

delete from users
where id in (
  select id from (
    select id,
           row_number() over (partition by email order by id) as rn
    from users
  ) t
  where rn > 1
);

Подвох: по документации PostgreSQL, без ORDER BY внутри OVER строки партиции обрабатываются в неопределённом порядке — значит, без order by id нельзя гарантировать, какая именно запись получит rn = 1 и останется после удаления.

Топ-N в группе: последний заказ каждого клиента

select *
from (
  select o.*,
         row_number() over (partition by customer_id order by created_at desc) as rn
  from orders o
) t
where rn = 1;

Если нужен топ-N, а не топ-1, условие в финальном WHERE меняется на rn <= n. На вопрос «почему не MAX(created_at) с группировкой» разумный ответ: чтобы вытащить всю строку целиком, а не только дату, пришлось бы дополнительно джойнить таблицу обратно по максимальной дате, а оконная функция даёт нужные столбцы сразу.

Нарастающий итог

select order_date,
       amount,
       sum(amount) over (order by order_date) as running_total
from daily_sales;

Подвох: по документации PostgreSQL про оконные функции, при наличии только ORDER BY (без явного PARTITION BY и без явного указания фрейма) действует фрейм по умолчанию RANGE UNBOUNDED PRECEDING — то есть фрейм включает все строки от начала партиции до последнего «пира» текущей строки по ORDER BY. Если несколько строк имеют одинаковую order_date, они считаются «пирами» и получают одинаковый, уже суммарный за эти строки итог — это стоит проговорить на собеседовании, если кандидат ожидает строго построчного накопления.

В чём разница между RANK, DENSE_RANK и ROW_NUMBER?
По документации PostgreSQL: ROW_NUMBER даёт номер строки в партиции, считая с 1, уникальный даже при равных значениях. RANK даёт ранг с пропусками — это row_number первой строки в группе равных значений (1,1,3). DENSE_RANK даёт ранг без пропусков, фактически считая количество групп равных значений (1,1,2).
Как написать запрос на второе по величине значение без LIMIT/OFFSET?
Через DENSE_RANK: обернуть в подзапрос с `dense_rank() over (order by value desc) as rnk` и выбрать строки с rnk = 2. Такой подход корректно обрабатывает дубликаты максимального значения — в отличие от `LIMIT 1 OFFSET 1`, который при нескольких строках с максимальным значением вернёт одну из них же как «вторую».

Индексы, планы запросов и транзакции — что спросят устно

После практической части нередко идёт блок на понимание механики: какие бывают индексы, зачем EXPLAIN ANALYZE, чем Seq Scan отличается от Index Scan, почему индекс может не использоваться. Это отдельная большая тема — подробный разбор с примерами планов есть в статье про индексы в PostgreSQL.

Отдельный блок — транзакции: уровни изоляции, грязное чтение, неповторяемое чтение, фантомное чтение, и то, как PostgreSQL читает без блокировок через MVCC (многоверсионный контроль параллелизма). По документации PostgreSQL, в MVCC блокировки на чтение не конфликтуют с блокировками на запись, поэтому чтение не блокирует запись и наоборот. Эти темы разобраны подробно в отдельных статьях — здесь не дублируем детали, но на собеседовании их часто спрашивают вместе с SQL, как единый блок «как база хранит и читает данные».

Почему индекс есть, а Seq Scan всё равно используется?
Планировщик PostgreSQL выбирает план с наименьшей оценочной стоимостью. Seq Scan может оказаться дешевле, если таблица небольшая, запрос возвращает большую долю строк таблицы, статистика после ANALYZE устарела, или индекс нельзя применить напрямую — например, из-за функции или приведения типа в условии.

Типичные ошибки, которые стоит разобрать

NULL в NOT IN. По документации PostgreSQL, если выражение слева от NOT IN (select ...) даёт NULL, либо подзапрос вернёт хотя бы один NULL (при отсутствии совпадений среди остальных строк), результат всего условия NOT IN будет NULL, а не TRUE. Поскольку WHERE оставляет только строки, где условие истинно, такие строки отбрасываются — в худшем случае запрос вообще перестаёт возвращать строки. Решение — NOT EXISTS, которая не чувствительна к NULL в подзапросе, либо явный фильтр where col is not null внутри подзапроса.
COUNT(*) против COUNT(column). По документации PostgreSQL, COUNT(*) считает все строки, а агрегатные функции вида COUNT(column) учитывают только строки, где соответствующее выражение не равно NULL. Если забыть про эту разницу, можно получить расхождение в отчётах.
WHERE вместо HAVING и наоборот. Согласно документации PostgreSQL, WHERE и GROUP BY/HAVING — последовательные этапы одного конвейера: WHERE фильтрует строки до группировки и не может ссылаться на агрегаты, HAVING фильтрует уже сгруппированные результаты. Если условие не зависит от агрегатов и его можно сформулировать до группировки, логичнее поместить его в WHERE — это уменьшит количество строк, которые нужно группировать.
Что вернёт `select 1 = null`?
NULL (в терминах трёхзначной логики PostgreSQL — UNKNOWN), а не false. Любое сравнение с NULL через обычные операторы сравнения (=, <> и т.д.) даёт NULL, что отличается и от true, и от false.

Полезный способ подготовиться — прогнать себя через десяток таких задач руками, без автодополнения IDE, с объяснением вслух, почему запрос написан именно так: как обрабатывается NULL, когда применяется HAVING, а когда WHERE, и в каком порядке выполняются части запроса.

Ещё разборы