大数据开发面试必背：Oracle高频面试题（核心21问·完结篇）

本文聚焦Oracle面试最后6大高频考点，涵盖同比/环比计算、逻辑运算符、删除语句区别、SQL命令分类、权限管理、大数据量删除优化，结合代码示例+图形对比+实战场景，帮你吃透面试核心考点。

一、面试高频：同比&环比（计算+区别+场景）

这是数据岗/Oracle面试的经典题，需掌握定义、SQL实现、区别及适用场景，是数据分析的核心技能。

1. 核心定义与公式（面试必背）

指标定义计算公式核心作用
环比与相邻上一个周期比较（如本月vs上月、本季度vs上季度）环比增长率 = (本期值 - 上期值) / 上期值 × 100%分析短期趋势（如月度销售波动）
同比与去年同期比较（如2024年3月vs2023年3月、2024Q1vs2023Q1）同比增长率 = (本期值 - 去年同期值) / 去年同期值 × 100%分析长期趋势（如年度业务增长）

2. SQL实现（基于LAG函数，面试必考）

以「2010-2023年咖啡价格数据」为例（表名：COFFEE_PRICE，字段：year、month、price）：

-- 第一步：准备测试数据（模拟月度咖啡价格）
CREATE TABLE COFFEE_PRICE (
  year NUMBER(4),
  month NUMBER(2),
  price NUMBER(5,2) -- 咖啡价格（美元/磅）
);
INSERT INTO COFFEE_PRICE VALUES (2023, 1, 1.2);
INSERT INTO COFFEE_PRICE VALUES (2023, 2, 1.3);
INSERT INTO COFFEE_PRICE VALUES (2023, 3, 1.25);
INSERT INTO COFFEE_PRICE VALUES (2024, 1, 1.4);
INSERT INTO COFFEE_PRICE VALUES (2024, 2, 1.5);
INSERT INTO COFFEE_PRICE VALUES (2024, 3, 1.45);

-- 第二步：计算环比+同比增长率
SELECT 
  year,
  month,
  price,
  -- 环比：取上一个月的价格（LAG偏移1）
  LAG(price, 1) OVER(ORDER BY year, month) AS last_month_price,
  ROUND((price - LAG(price, 1) OVER(ORDER BY year, month)) / LAG(price, 1) OVER(ORDER BY year, month) * 100, 2) AS mom_growth, -- 环比增长率
  -- 同比：取去年同月的价格（LAG偏移12）
  LAG(price, 12) OVER(ORDER BY year, month) AS last_year_price,
  ROUND((price - LAG(price, 12) OVER(ORDER BY year, month)) / LAG(price, 12) OVER(ORDER BY year, month) * 100, 2) AS yoy_growth -- 同比增长率
FROM COFFEE_PRICE
ORDER BY year, month;

3. 可视化对比（环比vs同比趋势）

基于上述SQL结果，用Matplotlib绘制趋势图，直观展示差异：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from sqlalchemy import create_engine

# 连接Oracle
engine = create_engine("oracle+cx_oracle://scott:tiger@localhost:1521/ORCL")

# 读取SQL结果
sql = """
SELECT 
  year,
  month,
  price,
  LAG(price, 1) OVER(ORDER BY year, month) AS last_month_price,
  ROUND((price - LAG(price, 1) OVER(ORDER BY year, month)) / LAG(price, 1) OVER(ORDER BY year, month) * 100, 2) AS mom_growth,
  LAG(price, 12) OVER(ORDER BY year, month) AS last_year_price,
  ROUND((price - LAG(price, 12) OVER(ORDER BY year, month)) / LAG(price, 12) OVER(ORDER BY year, month) * 100, 2) AS yoy_growth
FROM COFFEE_PRICE
ORDER BY year, month;
"""
df = pd.read_sql(sql, engine)

# 数据处理（填充空值）
df["mom_growth"].fillna(0, inplace=True)
df["yoy_growth"].fillna(0, inplace=True)
# 生成时间标签
df["date"] = df["year"].astype(str) + "-" + df["month"].astype(str).str.zfill(2)

# 绘图
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
plt.figure(figsize=(12, 6))

# 绘制环比、同比增长率折线
x = np.arange(len(df["date"]))
plt.plot(x, df["mom_growth"], label="环比增长率(%)", color="red", marker="o")
plt.plot(x, df["yoy_growth"], label="同比增长率(%)", color="blue", marker="s")

# 美化
plt.xlabel("时间")
plt.ylabel("增长率(%)")
plt.title("咖啡价格环比vs同比增长率对比")
plt.xticks(x, df["date"], rotation=15)
plt.legend()
plt.grid(True, alpha=0.3)
plt.savefig("mom_yoy_growth.png", dpi=300, bbox_inches="tight")
plt.show()

图形说明：环比曲线波动大（反映短期价格变化），同比曲线更平稳（反映长期价格趋势），2024年1月同比增长率显著高于环比（因2024年1月价格对比2023年1月涨幅大，对比2023年12月涨幅小）。

4. 区别与适用场景（面试必答）

维度环比同比
对比周期相邻周期（月/周/季度）去年同期（月/季度/年）
数据特征波动大，反映短期变化波动小，反映长期趋势
适用场景月度销售监控、短期策略调整（如咖啡月度定价）年度业绩评估、长期战略规划（如咖啡年度产销计划）
优势及时发现短期异常（如某月份价格暴跌）规避季节因素干扰（如咖啡旺季/淡季）

二、面试基础：逻辑运算符执行顺序

1. 优先级（面试必背）

NOT（非） > AND（与） > OR（或）

面试坑点：若未掌握优先级，易写出逻辑错误的SQL，需用括号显式指定执行顺序！

2. 用法+示例

-- 1. NOT：取反（常搭配IS NULL/IS NOT NULL）
SELECT * FROM COFFEE_PRICE WHERE price IS NOT NULL; -- 筛选价格非空的数据

-- 2. AND：多条件同时成立
SELECT * FROM COFFEE_PRICE WHERE year = 2024 AND month = 3; -- 2024年3月数据

-- 3. OR：至少一个条件成立
SELECT * FROM COFFEE_PRICE WHERE month = 1 OR month = 12; -- 1月或12月数据

-- 优先级示例（易错点）
-- 未加括号：先执行AND，再执行OR → 2024年所有数据 + 2023年3月数据
SELECT * FROM COFFEE_PRICE WHERE year = 2024 OR year = 2023 AND month = 3;
-- 加括号：先执行OR，再执行AND → 2024/2023年3月数据
SELECT * FROM COFFEE_PRICE WHERE (year = 2024 OR year = 2023) AND month = 3;

三、面试核心：Delete/Truncate/Drop 区别

这是Oracle面试最高频的对比题，需从执行速度、操作类型、可回滚性等维度掌握：

维度DELETETRUNCATEDROP
操作类型DML（数据操纵语言）DDL（数据定义语言）DDL（数据定义语言）
执行速度慢（逐行删除，记录日志）快（清空表，不记录行日志）最快（删除整个对象）
可回滚性可回滚（事务未提交时）不可回滚（立即释放空间）不可回滚（彻底删除）
操作对象表中指定行（可加WHERE）表中所有行（清空表）表/视图/索引等对象（删除结构+数据）
自增序列不重置重置（Oracle需配合序列）序列随表删除
触发器触发不触发触发器随表删除
适用场景删除指定行（如删除2020年之前的价格数据）清空整表（如重置测试数据）删除整个表（如废弃的历史表）

代码示例

-- 1. DELETE：删除2020年之前的数据（可回滚）
DELETE FROM COFFEE_PRICE WHERE year < 2020;
ROLLBACK; -- 可恢复删除的数据

-- 2. TRUNCATE：清空整表（不可回滚）
TRUNCATE TABLE COFFEE_PRICE;

-- 3. DROP：删除表（不可回滚）
DROP TABLE COFFEE_PRICE;

四、面试基础：Oracle SQL命令分类

Oracle SQL按功能分为5大类，需掌握分类及核心命令：

命令类型英文缩写核心命令作用
数据定义语言DDLCREATE/ALTER/DROP创建/修改/删除数据库对象（表、索引、视图）
数据操纵语言DMLINSERT/UPDATE/DELETE增删改表中数据
数据查询语言DQLSELECT + ORDER BY/GROUP BY查询数据（数据分析核心）
事务控制语言TCLCOMMIT/ROLLBACK提交/回滚事务（保证数据一致性）
数据控制语言DCLGRANT/REVOKE授予/回收用户权限

示例

-- DDL：创建表
CREATE TABLE COFFEE_PRICE (year NUMBER(4), month NUMBER(2), price NUMBER(5,2));
-- DML：插入数据
INSERT INTO COFFEE_PRICE VALUES (2024, 3, 1.45);
-- DQL：查询数据
SELECT * FROM COFFEE_PRICE WHERE year = 2024;
-- TCL：提交事务
COMMIT;
-- DCL：授予权限
GRANT CONNECT TO test_user;

五、面试高频：Oracle权限管理（授予/回收）

1. 核心权限集合（面试必背）

  • CONNECT：基本连接权限（登录数据库）
  • RESOURCE：程序开发权限（创建表、索引等）
  • DBA：数据库管理权限（最高权限，慎用）

2. 授予/回收权限（代码示例）

-- 1. 创建用户（前置操作）
CREATE USER test_user IDENTIFIED BY 123456;

-- 2. 授予权限
GRANT CONNECT, RESOURCE TO test_user; -- 授予连接+开发权限
GRANT SELECT ON COFFEE_PRICE TO test_user; -- 授予查询指定表的权限

-- 3. 回收权限
REVOKE RESOURCE FROM test_user; -- 回收开发权限
REVOKE SELECT ON COFFEE_PRICE FROM test_user; -- 回收表查询权限

六、面试重难点：Oracle大数据量删除优化

当表数据量达百万/千万级时，直接DELETE会导致锁表、性能卡顿，需掌握以下优化方案：

优化方案操作方式适用场景代码示例
优先用TRUNCATE替代DELETE清空整表需删除全表数据TRUNCATE TABLE COFFEE_PRICE;
加WHERE+索引精准筛选删除行，利用索引加速仅删除部分数据CREATE INDEX idx_year ON COFFEE_PRICE(year);
DELETE FROM COFFEE_PRICE WHERE year < 2020;
分批删除每次删除少量数据，释放锁资源需删除大量数据（如千万级）```sql
DECLARE
v_rows NUMBER := 10000; – 每次删除1万行
BEGIN
WHILE v_rows = 10000 LOOP
DELETE FROM COFFEE_PRICE WHERE year < 2020 AND ROWNUM <= 10000;
v_rows := SQL%ROWCOUNT;
COMMIT; -- 每批提交

END LOOP;
END;
/

| 非高峰期执行 | 避开业务高峰（如凌晨） | 核心业务表删除 | 结合定时任务（DBMS_JOB）执行删除脚本 |
| 先备份后删除 | 备份待删除数据到临时表 | 重要数据删除 | `CREATE TABLE COFFEE_PRICE_2020_BACKUP AS SELECT * FROM COFFEE_PRICE WHERE year < 2020;` |

### 优化核心原则（面试必答）
1. 避免全表扫描：通过索引缩小删除范围；
2. 减少锁竞争：分批删除+及时提交；
3. 优先DDL（TRUNCATE）：清空表时比DML（DELETE）快10倍以上；
4. 数据安全：重要数据删除前必须备份。

## 总结
1. 同比/环比是数据岗核心考点：环比用LAG偏移1，同比用LAG偏移12，环比看短期、同比看长期；
2. Oracle删除操作：DELETE（可回滚）、TRUNCATE（清空表）、DROP（删对象），速度：DROP > TRUNCATE > DELETE；
3. 大数据量删除优化：优先TRUNCATE，分批删除，加索引，非高峰期执行；
4. SQL命令分5类：DDL（建表）、DML（改数据）、DQL（查数据）、TCL（事务）、DCL（权限）。
# 大数据 # 面试 # oracle
Logo
亚马逊云科技技术品牌专区

更多推荐

open-code-review Codex 插件教程：对话式调用评审技能指南

本文是一份面向新手的 **open-code-review Codex 插件教程**，教你在 Codex 中通过对话式方式调用 open-code-review 的 AI 代码评审技能。open-code-review 是阿里巴巴开源的 AI 代码评审工具，采用"确定性流水线 + LLM Agent"混合架构，内置多语言评审规则（NPE、线程安全、XSS、SQL 注入等），可在 Codex 里用一

avatar 亚马逊云科技技术品牌专区

OBS Studio 完整指南：免费开源录屏与直播软件从零上手

想做一场像模像样的直播，或者把屏幕内容录成教程视频，但一想到商用软件的订阅费就有些犹豫？其实你不需要花一分钱。OBS Studio 是一款免费开源的直播与录屏软件，支持 Windows、macOS 和 Linux，采集、混音、编码、推流、录制，一条流水线全包了。## 先搞清楚 OBS Studio 是什么OBS Studio 是一个"场景化"的采集合成工具：你把摄像头、窗口、浏览器、图片、

avatar 亚马逊云科技技术品牌专区

如何用MediaCrawler爬取小红书抖音数据？7大平台爬虫从安装到实战完整指南

MediaCrawler 是一个支持小红书、抖音、快手、B站、微博、百度贴吧、知乎的开源自媒体数据采集工具。它能按关键词、按帖子、按创作者主页三种方式抓取笔记/视频内容、评论甚至二级评论，并把结果存成 JSON、CSV、Excel 或数据库。适合做市场调研、竞品监控、内容选题的运营人员，以及想要现成爬虫框架而不想从零写 JS 逆向的开发者。## 从一次"手动抄数据"说起想象这个场景：你负责

avatar 亚马逊云科技技术品牌专区