面试官：每个品类Top 3商品怎么取？90%的人只会ROW_NUMBER()

先看场景：

有一张商品销售表 product_sales
，字段：category_id
（品类ID）、product_id
（商品ID）、sales
（销售额）。
请取出每个品类下销售额最高的前3个商品。

脑海中的代码是不是这样的：

SELECT *
FROM (
  SELECT *,
         ROW_NUMBER() OVER(PARTITION BY category_id ORDER BY sales DESC) rn
  FROM product_sales
) t
WHERE rn <= 3;

恭喜你，你属于那“90%的人”。
但面试官心里可能已经在摇头——因为这道题的考点，从来不是ROW_NUMBER()
会不会写。

一、ROW_NUMBER()
的问题在哪里？

当销售额相同时，ROW_NUMBER()
会随机给一个“第1名”、一个“第2名”，即使两人销售额一样。

业务诉求通常是：

• 销售额相同 → 并列排名
• 并列后，Top 3 可能是 4 个商品（例如第3名并列两人）

而ROW_NUMBER()
会硬生生砍掉多余的商品，导致数据丢失。

二、正确的排名函数选择

2.1 使用 RANK()
 或 DENSE_RANK()

WITH ranked AS (
  SELECT *,
         RANK() OVER(PARTITION BY category_id ORDER BY sales DESC) rk
  FROM product_sales
)
SELECT *
FROM ranked
WHERE rk <= 3;

此时如果第3名有多个商品，全部保留。

三、更高级的追问：内存与性能陷阱

如果每个品类有100万商品，有1万个品类，你怎么优化？

90%的人会愣住，因为上面的窗口函数会导致全表排序 + 分区排序，产生巨大shuffle（尤其是Hive/Spark）。

3.1 动态过滤 + 横向连接（LATERAL CROSS APPLY）

在支持LATERAL
的数据库（PostgreSQL、Oracle、SQL Server、Flink SQL）中：

SELECT c.category_id, p.*
FROM (
SELECT DISTINCT category_id FROM product_sales
) c
CROSS JOIN LATERAL (
SELECT product_id, sales
FROM product_sales
WHERE category_id = c.category_id
ORDER BY sales DESC
LIMIT 3
) p;

这相当于每个品类独立取Top 3，避免全局排序，支持索引。

四、数据倾斜怎么办？

当某个品类（比如“饮料”）销量极高，而其他品类很小时：

• 普通窗口函数：会卡在饮料这个分区
• 解决方案：
• 加盐打散（随机前缀）
• 分步聚合 + Top N 归并
• 使用近似算法（若允许误差）

面试时能说出“盐值打散”或“Map端预聚合”就算加分项。

五、终极答案：不仅要写对，还要说清楚

一个满分回答的层次：

1. 基础解法：ROW_NUMBER()
   （指出其局限性）
2. 正确解法：RANK()
    / DENSE_RANK()
   （解释业务语义）
3. 性能优化：LATERAL
    + LIMIT
    或 Map端Top N
4. 工程考量：数据倾斜、NULL值处理、去重策略

最后一句可以补上：

“如果面试官允许使用非SQL方式，我会选择在数仓分层中提前用聚合表固化每个品类的Top 3，避免查询时计算。”

总结

面试官想看的，从来不是你能不能写出ROW_NUMBER()
，而是：

• 是否理解排名函数的差异
• 是否考虑过数据正确性（并列场景）
• 是否具备大规模数据下的性能意识

下一次被问到“每个品类Top3，请不要只交出那90%的答案。