原文：
www.kdnuggets.com/2022/10/25-advanced-sql-interview-questions-data-scientists.html
图片由 Freepik 提供
1. Google 网络安全证书 - 快速进入网络安全职业生涯。
2. Google 数据分析专业证书 - 提升你的数据分析水平
3. Google IT 支持专业证书 - 支持你的组织 IT
所有数据库使用的标准语言是结构化查询语言（SQL）。
它在从数据库中获取需求数据方面起着关键作用。所有大型数据平台，如 Hadoop 和 Spark，都使用 SQL 作为其组织的高级语言。
数据科学是唯一的研究和分析数据的领域。数据结果应准确无误，以便进行调查。
这就是 SQL 如何与数据科学结合的原因。虽然某些组织已转向 NoSQL，但基础仍在于 SQL。
准备好迎接数据科学面试了吗？
这里有一些关于 SQL 的必要面试问题及答案，你必须学习。
规范化是一种组织数据库中数据的方法，以最小化冗余。通过使用规范形式的概念对关系进行规范化。
-
1NF：如果一个关系具有原子值，则它处于 1NF。
-
2NF：一个关系要处于 2NF，它应该处于 1NF，并且所有非键属性完全依赖于主键。
-
3NF：一个关系要处于 3NF，它应该处于 2NF，并且没有过渡依赖关系。
-
BCNF：Boy Codd 的规范形式是 3NF 的强表示。
-
DDL 代表数据定义语言，而 DML 称为数据操作语言。
-
DDL 创建一个带有约束的模式。DML 在该模式中添加、检索或更新数据。
-
DDL 定义表的列属性。DML 提供表的行属性。
-
DDL 命令的例子包括创建、修改、删除、重命名等，而 DML 命令的例子包括合并、更新、插入等。
-
WHERE 子句不用于 DDL，但用于 DML。
ACID 属性如下：
-
原子性 - 数据的更改必须像一个单一的操作一样。
-
一致性 - 数据在事务前后必须保持一致。
-
隔离性 - 多个事务可以在没有任何障碍的情况下进行。
-
持久性 - 事务在系统故障的情况下会成功。
在一般情况下，查找表中所有重复项的方法如下：
-
使用 GROUP BY 命令按目标列分组所有行。这里的目标列是你可以检查重复项的列。
-
使用 HAVING 命令并结合 COUNT 函数来检查是否有任何组的条目超过一个。
以下是聚集索引和非聚集索引之间的区别：
-
聚集索引用于定义排序索引或表的顺序，就像字典一样。非聚集索引将所有数据收集到一个地方，并在另一个地方记录它。
-
聚集索引比非聚集索引更快。
-
执行聚集索引操作时使用的内存比非聚集索引少。
数据库优化技术中，我们将数据（冗余）添加到表中的方法称为反规范化。该技术有助于减少数据库中昂贵的连接。
在 SQL 服务器中，排序规则提供了数据的排序规则、重音和大小写敏感性属性。它通过定义排序规则来表示数据库中的每个字符的位模式。
一些排序规则级别如下：
-
大小写敏感 (_CS)
-
重音敏感 (_AS)
-
假名敏感 (_KS)
-
宽度敏感 (_WS)
-
变体选择器敏感 (_VSS)
-
二进制 (_BIN)
-
二进制代码点 (_BIN2)
以下是内连接、外连接和全外连接之间的区别：
-
在内连接中，两个表中共同的行是输出结果。
-
在全外连接中，返回两个表中的所有行。
-
外连接返回来自一个或两个表的值。
以下是连接和联合之间的区别：
-
连接从表中检索匹配的记录，而联合则用于合并两个不同 SELECT 语句的集合。
-
连接不会删除重复数据，而联合会从选定的语句中删除重复数据（行）。
联合保留唯一记录，而联合所有保留所有记录，包括所有重复项。此外，联合在返回数据之前会进行去重步骤，而联合所有打印连接结果。
考虑一个表，数据如下，表名为 EMP-
姓名 薪水
---------------------
约翰 990000
Ellie 100000
Nick 400000
Sam 500000
查询将是：
SELECT * FROM EMP WHERE salary=(select Max(salary) FROM EMP);-
在共享锁中，锁模式仅用于读取操作，而在包含锁中，它用于读取和写入操作。
-
共享锁防止其他人更新数据，而包含锁则防止其他人读取或更新数据。
-
任意数量的事务可以对特定项目持有共享锁，而只有一个事务可以持有排他锁。
SQL 中的转置被定义为将一行或一列转换为特定格式，以从新的角度可视化数据。
一种基本的转置是将一行转换为一列或将一列转换为一行。典型的转置方法包括动态转置和连接转置。
所有的转置方法都用于数据分析，以获得有益的结果。
B 树被定义为一种自平衡搜索树，其中所有叶子节点都处于同一层级。要在 B 树中插入数据，数据将插入到叶子节点。
在 B 树索引中，树具有一个称为负载的键值对。该值被引用到实际的数据记录中。
当我们使用 B 树索引时，数据库根据 B 树搜索给定的键并获取索引。
以下是 DELETE 和 TRUNCATE 命令之间的差异：
-
DELETE 命令用于删除表中的特定行，而 TRUNCATE 删除所有行中的数据。
-
DELETE 是一个 DML 命令，比 TRUNCATE 命令（DDL 命令）慢。
-
DELETE 命令会触发活动，而 TRUNCATE 则不会。
它会占用空间。表越大，索引就越大。
对表中某些行的添加、删除或更新也必须应用到我们的索引上。
一般来说，如果表中被索引的列经常需要使用，则必须在该表上创建索引。
下面是拥有索引的优势：
-
它加速了 SELECT 查询。
-
数据检索变得相当简单。
-
索引可以用于排序。
-
它使得一行数据唯一，没有任何重复。
-
当索引设置为全文索引时，可以插入大型字符串文本。
索引是一种数据结构技术，通过减少查询处理期间的磁盘访问来优化数据库性能。
索引具有以下属性：
-
访问类型：基于搜索类型
-
访问时间：基于搜索时间
-
插入时间：基于快速插入
-
删除时间：基于快速删除
-
空间开销：基于额外的开销空间。
企业必须理解一组数据，以帮助财务领导者和业务团队深入了解用户及多个相关因素的表现。
企业可以在业务流程和策略中拥有各种数据，这些数据帮助团队在更细化的层面上分析表现。
这些数据存储在多个数据库系统中，因此需要一致、实时且更灵活的处理过程，帮助团队分析数据并进一步处理以进行更多分析。
在线分析处理（OLAP）包含用于分析业务数据的软件工具，并帮助获得数据库的洞察。
例如，OLAP 可用于构建 Spotify 歌曲推荐引擎，该引擎根据用户的歌曲选择和历史收听数据自动生成播放列表。
事务是每个业务的关键部分。一个提供服务的企业在客户使用服务时会收到一笔费用。
当用户为他们选择的服务付款时，发票会立即生成。
当我们需要存储所有用户的交易信息时，事务数据库就会发挥作用。
但在线事务处理（OLTP）提供了面向事务的应用程序，这些应用程序在 3 层架构中进行分类。
来源: InterviewBit
OLTP 帮助企业执行与事务数据库相关的某些活动。
例如，通过在线银行进行的交易具有相同的目的，其中 OLTP 可以用于操作用户交易信息。
SQL 用于查询数据库和修改大型数据集中的值。它还提供了一种在多种情况下操作数据的方法。
例如，一个表包含员工列表（name），以及经验（EXP）和加入日期（ac_date）。
现在，如果我们想查询数据，如果经验大于（>）“4”，则在名为“exp_level”的新列中插入“Is a senior”，否则在该列中插入 NULL。
在这种情况下，你可以使用 CASE WHEN 语句查询数据库。
CASE WHEN 语句类似于编程语言中的 If/else 条件，比如 C、C++、Python 等。
CASE 语句后面跟随一对 WHEN 和 THEN 语句。然而，你可以根据需要添加嵌套语句。
一旦 CASE 语句完成，就通过添加以 ELSE 和 END AS 开头的结束语句来结束。
在上述示例中，我们有一个员工数据库，列出了公司的员工，包括员工姓名、加入年份、经验等属性。使用 CASE WHEN 语句在这个示例中，
SELECT employee_name,
exp,
CASE WHEN exp > 4 THEN 'Is a Senior'
ELSE NULL END AS exp_level
FROM xyz.marketing_employeesSQL 提供了 HAVING 子句来过滤数据库中的数据组。
例如，XYZ 公司有一个员工列表，包含了有超过 1 年经验的员工。
数据库包含行和列，包括员工姓名、入职日期、经验和经验等级。
你可以检索出拥有超过 5 年经验的员工列表。
HAVING 子句为你提供了一种控制信息和修改数据的方式。
HAVING 子句的语法是：HAVING condition。
在这个例子中，我们可以通过以下查询从数据库中检索出拥有超过 5 年经验的员工列表：
SELECT employee_name, exp_level,
FROM EMPLOYEE
GROUP BY experience
HAVING COUNT(experience) > 5;当你想根据特定条件筛选记录时，可以使用 WHERE 子句。
例如，在员工表中，我们可以检索出在公司中有 exactly 5 年经验的所有员工的列表。WHERE 子句的语法是：WHERE condition。
在这个例子中，我们可以通过以下查询从数据库中提取出拥有 5 年经验的员工姓名：
SELECT employee_name, exp_level,
FROM EMPLOYEE
WHERE experience= 5;PL/SQL 是一种块结构化语言，鼓励开发人员使用过程语句的 SQL 功能。
它是一种功能齐全的过程语言，嵌入了决策能力以及其他许多 POP 特性。
使用单个块命令，PL/SQL 可以在支持广泛错误检查的情况下运行多个查询。
PL/SQL 是 SQL 的扩展，用于创建应用程序。
ETL 代表“提取、转换和加载”。它使用数据仓库的概念来进行数据可视化和数据分析。在更广泛的背景下，它用于数据集成。
任何从一个系统提取数据并存储/复制到另一个目标系统且其数据表示形式不同的过程称为 ETL 过程。
SQL 提供数据操作语言（DML）和数据定义语言（DDL）以在查询数据库时执行某些操作。
当在数据库上执行特定类型的操作时，它会自动在数据库上执行一些操作。
当数据库中触发这些类型的操作时，它们被称为嵌套触发器。
SQL 将嵌套触发器分为两个主要类别——AFTER 触发器和 INSTEAD OF 触发器。
顾名思义，AFTER 触发器是在数据库上执行 DML 或 DDL 操作后执行的。
然而，INSTEAD OF 触发器在 DML 和 DDL 操作中被执行。
提交确保数据在当前事务结束后保持一致并维持在更新状态。使用提交时，日志内存中会新增一条记录。
在检查点的情况下，它用于将所有提交的更改写入磁盘，并在控制文件和头文件中更新系统更改编号。
在这篇文章中，我们详细讨论了数据科学面试中会问到的所有 SQL 问题。
如果你是初学者，可以从以下资源学习 SQL：
-
Matthew Mayo 的 4 小时 SQL 完整课程
快乐学习！
-
为什么 SQL 将继续是数据科学家的最佳朋友
-
SQL 数据准备备忘单
-
掌握数据科学 SQL 的 7 个步骤
-
数据科学面试中你应该知道的五大 SQL 窗口函数
Vaishnavi Amira Yada 是一位技术内容撰稿人。她掌握 Python、Java、数据结构与算法（DSA）、C 等知识。她发现自己对写作情有独钟，并且热爱写作。