大厂数仓笔试真题回忆：这些题我面试时真的遇到了

最近星球里有好几个同学刚参加完大厂的数仓笔试，跟我分享了题目。我整理了一下，发现有些题目反复出现，几乎成了"固定题型"。

今天我把这些笔试真题回忆版放出来（已脱敏），每道题配上解题思路。不管你是不是最近要笔试，这些题都值得做一遍，因为它们考的是数仓开发的核心能力。

第一部分：SQL题（必考，占笔试60%左右）

第1题：用户行为路径分析

题目： 给出用户行为日志表 user_action（user_id, action_type, action_time），action_type包括：进入首页（P）、浏览商品（V）、加入购物车（C）、提交订单（O）、支付成功（W）。求满足路径 P→V→C→O→W 的用户数。

解题思路：

这道题考的是有序事件匹配。核心是用LEAD窗口函数把同一用户的行为按时间排列，然后判断路径。

WITHordered_actionsAS(SELECTuser_id,action_type,action_time,LEAD(action_type,1)OVER(PARTITIONBYuser_idORDERBYaction_time)asact2,LEAD(action_type,2)OVER(PARTITIONBYuser_idORDERBYaction_time)asact3,LEAD(action_type,3)OVER(PARTITIONBYuser_idORDERBYaction_time)asact4,LEAD(action_type,4)OVER(PARTITIONBYuser_idORDERBYaction_time)asact5FROMuser_action)SELECTCOUNT(DISTINCTuser_id)asuser_cntFROMordered_actionsWHEREaction_type='P'ANDact2='V'ANDact3='C'ANDact4='O'ANDact5='W';

注意点： 题目没说"连续"（中间不能有其他行为），如果要求严格连续，上面的写法就对了。如果不要求连续（只要求先后顺序），需要用子查询的方式判断时间先后。

第2题：重叠时间段合并

题目： 会议表 meeting（meeting_id, user_id, start_time, end_time），同一个用户的会议时间可能重叠，把重叠的会议合并成不重叠的时间段。

解题思路：

这是一道经典的区间合并题。思路是：按start_time排序后，如果下一个区间的start_time <= 上一个区间的end_time，就合并（取更大的end_time）。

WITHordered_meetingsAS(SELECTmeeting_id,user_id,start_time,end_time,ROW_NUMBER()OVER(PARTITIONBYuser_idORDERBYstart_time)asrnFROMmeeting),mergedAS(SELECTuser_id,start_time,MAX(end_time)OVER(PARTITIONBYuser_idORDERBYstart_time,rnROWSBETWEENUNBOUNDEDPRECEDINGANDUNBOUNDEDFOLLOWING)asmax_endFROMordered_meetings)SELECTDISTINCTuser_id,start_time,max_endasend_timeFROMmergedWHEREstart_time<=max_endORDERBYuser_id,start_time;

实际笔试中这题很难用纯SQL优雅实现，更常见的做法是写出思路和伪代码。重点是展示你理解区间合并的算法逻辑。

第3题：多行转多列（复杂行转列）

题目： 学生选课表 student_course（student_id, course_name, score），输出每个学生每门课的分数，且列名是课程名。但课程名不固定，可能新增课程。

解题思路：

固定列名的行转列用CASE WHEN就行（之前文章讲过）。不固定列名有两种处理方式：

1. 动态SQL：先查出所有不重复的课程名，拼接成SQL字符串再执行
2. 使用JSON格式输出：把多门课的成绩转成JSON数组，一条记录一个学生

笔试中通常考的是思路，写出伪代码或方案描述即可。

第4题：滑动窗口求均值

题目： 股票交易表 stock_trade（trade_date, price），求每只股票的7日滑动平均价。

解题思路：

标准窗口函数题：

SELECTtrade_date,price,AVG(price)OVER(ORDERBYtrade_dateROWSBETWEEN6PRECEDINGANDCURRENTROW)asma7FROMstock_trade;

变体问法： 如果不是连续交易日怎么办？跳过周末和节假日，只取最近7个交易日的均值。那就不能用ROWS了，要用RANGE，或者确保trade_date是连续的。

第二部分：数仓设计题（占笔试25%左右）

第5题：电商订单数仓设计

题目： 一个电商平台有用户表、商品表、订单表、订单明细表、支付表、物流表。请设计一套数仓分层方案，支持以下需求：1. 每日GMV统计2. 各品类销售排名3. 用户复购率分析4. 商品库存预警

解题思路：

ODS层： 原始数据直接落库，按天分区。

DWD层（明细层）：- dwd_order_detail：订单明细事实表（order_id, user_id, sku_id, category_id, amount, pay_time, ...）- dwd_user_register：用户注册事实表- dwd_product_info：商品维度快照表

DWS层（汇总层）：- dws_user_daily：用户日汇总表（user_id, order_cnt, order_amount, first_order_time, ...）- dws_category_daily：品类日汇总表（category_id, order_cnt, gmv, ...）- dws_product_daily：商品日汇总表

ADS层（应用层）：- ads_daily_gmv：每日GMV报表- ads_category_rank：品类销售排名- ads_user_repurchase：用户复购率报表- ads_inventory_alert：库存预警表

关键点： 面试官不是看你画个图就完事了，他会追问：- 你的粒度怎么定的？（比如DWS层按用户+天粒度）- 你怎么处理退单？（退款后的GMV怎么算）- 你怎么保证数据一致性？（订单和支付数据的时间差怎么处理）

第6题：日志数据入仓方案

题目： 每天有来自多个业务系统的日志数据（JSON格式），格式不统一、字段有缺失、有时间戳偏差。请设计入仓方案。

解题思路：

这道题考的是ETL实战能力。

1. 数据采集
   ：Flume/Kafka收集日志，写入HDFS
2. ODS层
   ：原始JSON落库，保留原始数据不做任何处理
3. 清洗规则
   ：
4. 字段缺失：定义必填字段，缺失的记录进入异常表
5. 时间戳统一：不同系统的时区/格式不同，统一转为标准格式
6. 数据类型校验：金额字段必须是数字，日期字段必须是合法日期
7. DWD层
   ：标准化后的明细数据
8. 数据质量监控
   ：入库量对比（源端vs数仓）、空值率监控、业务规则校验

这道题说清楚"你遇到过什么脏数据、怎么处理的"就是高分答案。

第三部分：开放题（占笔试15%左右）

第7题：如何评估数据模型的合理性？

解题思路：

从几个维度回答：- 规范性：命名是否规范、分层是否清晰、粒度是否统一- 完整性：是否覆盖了所有核心业务过程和维度- 性能：查询效率是否满足业务需求，有没有冗余计算- 扩展性：新增业务场景时，是否容易扩展- 数据一致性：跨表/跨层的数据是否能对齐

笔试时间和分配建议

通常大厂数仓笔试时长是60-90分钟。建议时间分配：

写在最后

大厂笔试考的不是你会不会背答案，而是你的思路是否清晰。SQL题不会做的，写出伪代码也比空着强。数仓设计题不会画完整架构的，把核心思路写出来也能拿到部分分数。

我把星球里同学们分享的更多笔试真题（含字节跳动、阿里、美团、京东等）整理成了一个题库，持续更新中。想看的同学可以加入知识星球获取。

在评论区说说你遇到过最难的笔试题是什么？大家一起讨论。