# 1. EXCLUDE 子句（EXCLUDE CURRENT ROW、EXCLUDE TIES、EXCLUDE GROUP、EXCLUDE NO OTHERS）的语义？ A EXCLUDE GROUP 只排除当前行 B EXCLUDE TIES 排除当前行 C EXCLUDE NO OTHERS 排除所有行 D EXCLUDE CURRENT ROW 排除当前行，EXCLUDE TIES 排除同值平局行但保留当前行 ✓ 正确答案
# 2. ROWS BETWEEN 与 RANGE BETWEEN 的语义差异，行号 vs 值范围？例如 ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW。 A ROWS 按物理行号，RANGE 按值范围且当前行包含所有同值 peer 行 ✓ 正确答案 B ROWS 按值范围，RANGE 按行号 C 两者等价 D RANGE 不需要 ORDER BY
# 3. 排名函数 ROW_NUMBER、RANK、DENSE_RANK、NTILE 的差异，相同排序键值时各自的行为？ A ROW_NUMBER 平局时给相同编号 B RANK 相同值给相同排名但有间隔，DENSE_RANK 无间隔，NTILE 分桶 ✓ 正确答案 C DENSE_RANK 有间隔 D NTILE 给唯一编号
# 4. 窗口函数与 GROUPING 的协同，先分组再窗口再过滤的执行顺序？ A 先 WHERE→GROUP BY→聚合，再计算窗口函数，窗口结果需子查询才能过滤 ✓ 正确答案 B 窗口函数先于 GROUP BY 计算 C 窗口函数与聚合同时 D HAVING 可以引用窗口结果
# 5. 窗口函数中的 ORDER BY 与语句级 ORDER BY 的执行顺序？ A 两者必须相同 B 窗口 ORDER BY 在窗口计算阶段使用，语句级 ORDER BY 在窗口之后执行定义最终顺序，两者独立 ✓ 正确答案 C 语句级 ORDER BY 先执行 D 窗口函数不需要 ORDER BY
# 6. 窗口函数的分区裁剪（Partition Pruning），PARTITION BY 对大表性能的影响？ A PARTITION BY 把数据分区独立计算，可减少每分区排序范围，结合分区裁剪提高性能 ✓ 正确答案 B PARTITION BY 会增大排序范围 C PARTITION BY 不影响性能 D 分区数越多一定越快
# 7. 窗口函数的执行阶段，WHERE → GROUP BY → 聚合 → 窗口 → DISTINCT → ORDER BY → LIMIT，窗口在 SELECT 列表的何时计算？ A 窗口函数在 WHERE 之前计算 B 窗口函数在聚合之后、DISTINCT 与 ORDER BY 之前计算，处于 SELECT 阶段 ✓ 正确答案 C 窗口函数在 LIMIT 之后计算 D 窗口函数与聚合同时
# 8. 窗口函数能否在 WHERE 子句中使用？为什么？ A 可以直接使用 B 只能在 HAVING 中使用 C 只有聚合窗口函数可以 D 不能直接使用，因 WHERE 在窗口函数之前执行；需先子查询算窗口再过滤 ✓ 正确答案
# 9. 窗口函数（Window Function）的语法结构，函数 OVER ([PARTITION BY ...] [ORDER BY ...] [frame_clause]) 中每个子句的语义？ A PARTITION BY 分区、ORDER BY 排序、frame_clause 定义帧边界，共同决定窗口计算范围 ✓ 正确答案 B PARTITION BY 定义排序，ORDER BY 定义分区 C frame_clause 是必选的 D 无 PARTITION BY 时报错
# 10. 聚合函数作为窗口函数（SUM、AVG、COUNT OVER）的累计计算语义？ A 累计和总是整个分区总值 B 聚合函数不能作窗口函数 C 它不能配 ORDER BY D 聚合窗口函数按帧做累计计算，如 SUM OVER (ORDER BY id) 是累计和 ✓ 正确答案
# 11. 分布式引擎（Spark SQL/Trino）如何并行化窗口函数（按 PARTITION BY 键 shuffle 数据、分区内排序后计算）？缺少 PARTITION BY 为何会造成单节点瓶颈？ A 分区数越多一定越快 B 无 PARTITION BY 也能并行 C 窗口函数不需要 shuffle D 按 PARTITION BY 键 shuffle 分区、分区内排序计算，缺少 PARTITION BY 会造成单节点瓶颈 ✓ 正确答案
# 12. SQL:2016 的 GROUPS 帧模式与 ROWS/RANGE 的语义差异（GROUPS 按排序值相同的 peer 组数计边界）是什么？移动平均去抖为何常用 GROUPS + EXCLUDE GROUPS？ A GROUPS 按 peer 组数计边界，整组纳入，配合 EXCLUDE GROUPS 可做稳定的去抖移动平均 ✓ 正确答案 B GROUPS 按行号计边界 C GROUPS 与 ROWS 等价 D GROUPS 不能与 EXCLUDE 配合
# 13. SELECT 列表与 ORDER BY 中能否使用窗口函数？ A 只能用于 SELECT 列表 B 可用于 SELECT 列表和 ORDER BY，但不能用于 WHERE/GROUP BY/HAVING ✓ 正确答案 C 不能用于 ORDER BY D 可用于 WHERE
# 14. 为什么说窗口函数是 OLAP 利器但 OLTP 不适用？ A 窗口函数适合 OLTP 高频单行场景 B 窗口函数是 OLAP 利器，但因需扫描排序大范围数据、延迟高，不适合 OLTP 高频单行场景 ✓ 正确答案 C 两者都适用 D 窗口函数只用于 OLTP
# 15. 窗口函数中 NULL 的处理，NULLS FIRST、NULLS LAST 子句？ A NULL 总是排最前 B NULL 不能参与窗口排序 C 可用 NULLS FIRST/LAST 显式控制 NULL 排序位置，默认行为因数据库与升降序而异 ✓ 正确答案 D NULLS LAST 只用于降序
# 16. 窗口函数的分区排序与帧计算如何消耗 work_mem 并可能落盘（Sort/WindowAgg 节点）？多个窗口共用同一 WINDOW 定义为何能减少排序次数？ A 排序超 work_mem 会落盘，多个窗口共用同一 WINDOW 定义可共享一次排序减少开销 ✓ 正确答案 B 排序永不落盘 C 窗口函数不需要排序 D 复用 WINDOW 定义会增加排序
# 17. PARTITION BY 与 GROUP BY 的本质区别？ A 两者等价 B 两者都不保留行 C GROUP BY 合并多行为一行，PARTITION BY 保留每行只分区计算窗口函数 ✓ 正确答案 D PARTITION BY 合并行
# 18. SELECT row_number() OVER (ORDER BY id) FROM t 的语义？ A 按 id 分组 B 按 id 对全表排序并给每行唯一连续编号 ✓ 正确答案 C 返回 NULL D 只返回最大值
# 19. SUM(col) OVER (ORDER BY id) 与 SUM(col) OVER (PARTITION BY id ORDER BY id) 区别？ A 两者等价 B 前者是分区累计 C 前者是全表全局累计和，后者按 id 分区累计（分区键为 id 时每分区一行） ✓ 正确答案 D 两者都无累计
# 20. 窗口函数中 ORDER BY 是否必需？ A 必须提供 B 只有聚合函数需要 C 可选：排名函数需 ORDER BY，聚合窗口函数无 ORDER BY 时整个分区为帧返回分区总值 ✓ 正确答案 D 提供会报错
# 21. 窗口函数在 OLAP 中的典型应用（TopN、累计、移动平均）？ A 分组 TopN、累计和、移动平均、环比（LAG/LEAD）都是窗口函数的典型应用 ✓ 正确答案 B 只能用于排序 C 窗口函数不能做累计 D 移动平均必须用 GROUP BY
# 22. 窗口函数能否与 GROUP BY 同时使用？ A 不能同时使用 B 窗口函数先于 GROUP BY C 可以先 GROUP BY 聚合再对聚合结果应用窗口函数，如按 COUNT(*) 排名 ✓ 正确答案 D 组合后必须用 DISTINCT
# 23. 窗口函数能否在 UPDATE SET 子句中使用？ A 可以直接使用 B 会报错无法实现 C 只能用于 SELECT D 不能直接在 SET 中用，但可先子查询算窗口再通过 UPDATE ... FROM 关联更新 ✓ 正确答案
# 24. 窗口函数能否用作 CTE 的输出？ A 不允许 B 可以在 CTE 内计算窗口函数，外层再过滤，是"先算窗口再过滤"的经典模式 ✓ 正确答案 C CTE 不能包含窗口函数 D 窗口函数必须放在外层
# 25. CTE 物化（Materialized）与不物化（Inline）的执行计划差异，AS MATERIALIZED 关键字何时使用？ A CTE 总是物化 B 物化会重复计算 C 内联总是更优 D PostgreSQL 12+ 默认可内联，AS MATERIALIZED 强制物化，适合多次引用或昂贵计算场景 ✓ 正确答案
# 26. 窗口函数与 LATERAL 子查询实现每组 TopN 的写法与性能对比 A 两者等价且性能相同 B LATERAL 不能实现 TopN C 窗口函数一次排序简洁；LATERAL 逐组取 LIMIT，有索引时可能更快，数据量大无索引时代价高 ✓ 正确答案 D 窗口函数不能分组 TopN
# 27. CTE（Common Table Expressions）的基本语法，WITH cte AS (SELECT ...) SELECT ... 与子查询的取舍？ A CTE 提升可读性、支持复用与递归，逻辑复杂或复用场景优于子查询 ✓ 正确答案 B CTE 只能用一次 C 子查询无法命名 D CTE 性能总差于子查询
# 28. CYCLE 子句（SQL 标准、PostgreSQL 14+）的防环机制，CYCLE col SET is_cycle USING path？ A CYCLE 子句用于排序 B CYCLE 只用于非递归 CTE C CYCLE 子句无法检测环 D CYCLE col SET is_cycle USING path 自动检测环，标记 is_cycle 并记录 path，避免无限递归 ✓ 正确答案
# 29. PostgreSQL 中默认 CTE 是否被优化器内联？12 版本之前默认物化的语义变化？ A 12 之前默认内联 B 从未变化 C 12+ 总是物化 D 12 之前默认物化优化受限，12+ 默认可内联获得下推等优化，并支持 AS MATERIALIZED 显式控制 ✓ 正确答案
# 30. SEARCH 子句（深度优先 vs 广度优先）的递归顺序控制？ A SEARCH 用于防环 B SEARCH DEPTH FIRST / BREADTH FIRST BY 控制递归遍历顺序，SET 列记录顺序 ✓ 正确答案 C SEARCH 只能做深度优先 D 无 SEARCH 时顺序确定
# 31. 多个 CTE 的链式使用，WITH cte1 AS ..., cte2 AS ... 的依赖与并行性？ A 后定义 CTE 不能引用前面的 B 多 CTE 一定并行 C 后续 CTE 可引用前面定义的 CTE，需按依赖顺序定义，并行性由优化器决定 ✓ 正确答案 D 多 CTE 只能串联不能复用
# 32. 数据修改 CTE（WITH ... AS (DELETE ... RETURNING)）的原子性与可见性？ A 数据修改 CTE 不能使用 RETURNING B 整个语句原子执行，主查询可引用 RETURNING 返回的行，修改间可见性受 MVCC 限制 ✓ 正确答案 C 数据修改 CTE 非原子 D 主查询看不到 RETURNING 结果
# 33. 递归 CTE 实现树遍历、组织层级、图遍历的典型 SQL 模式？ A 递归 CTE 只需一个成员 B 递归 CTE 无法遍历层级 C 锚成员取初始行、递归成员按连接展开下一层，用 UNION ALL 组合，可做树/层级/图遍历 ✓ 正确答案 D 递归 CTE 必须用 UNION
# 34. 递归 CTE 的终止条件如何保证？无穷递归如何防护？MAX_RECURSIONS 设置？ A 递归 CTE 不会无限递归 B 防环不需要 CYCLE C 只能靠 MAXRECURSION D 靠递归成员不再产生新行终止，可用路径/深度限制/CYCLE 子句防环，SQL Server 有 MAXRECURSION 上限 ✓ 正确答案
# 35. 递归 CTE 的语法结构，锚成员（anchor member）、递归成员（recursive member）、UNION/UNION ALL 的语义差异？ A 锚成员返回初始层，递归成员引用自身逐层扩展，用 UNION 或 UNION ALL 连接（ALL 不去重更高效） ✓ 正确答案 B 锚成员是递归引用自身的查询 C 递归成员不能引用自身 D 必须用 UNION 去重
# 36. CTE 在 INSERT/UPDATE/DELETE 中的 RETURNING 应用？ A RETURNING 只能用于 SELECT B RETURNING 不能配合 CTE C INSERT/UPDATE/DELETE 可用 RETURNING 返回受影响行，配合 CTE 实现链式操作 ✓ 正确答案 D DELETE 不支持 RETURNING
# 37. 递归 CTE 的性能，迭代次数、深度限制、内存消耗？ A 性能取决于迭代次数与每层数据量，深度过大时中间结果多、内存消耗大，需限制深度或用索引 ✓ 正确答案 B 递归 CTE 不耗内存 C 深度无限制 D 递归 CTE 总是很快
# 38. CTE 中能否包含 UNION、INTERSECT？ A CTE 不能包含 UNION B 普通 CTE 可包含 UNION/INTERSECT，递归 CTE 的锚与递归连接必须用 UNION/UNION ALL ✓ 正确答案 C 递归 CTE 可用 INTERSECT D 只有递归 CTE 能用 UNION
# 39. CTE 的 AS MATERIALIZED 何时更优？ A 总是应该物化 B 物化总是更慢 C 当 CTE 被多次引用、计算昂贵或含 volatile 副作用时物化更优，单次引用可内联时不宜 ✓ 正确答案 D 内联导致重复计算
# 40. CTE 能否引用前面的 CTE？链式 CTE 的限制？ A 后定义的 CTE 可被前面引用 B 链式 CTE 不能组合 C 可以循环引用 D CTE 只能引用前面定义的 CTE，依赖必须无环，递归 CTE 只允许自引用 ✓ 正确答案
# 41. PostgreSQL 中 CTE 默认被优化器如何处理？ A 总是物化 B 总是内联 C 12+ 默认可内联，但多次引用、递归、volatile 副作用等场景强制物化 ✓ 正确答案 D 从不内联
# 42. 数据修改 CTE 的可见性，在 SELECT 中引用 DELETE 结果？ A 主查询看不到 DELETE 结果 B 主查询直接看到所有表修改 C 数据修改 CTE 不能返回行 D 主查询可通过 RETURNING 引用 DELETE/UPDATE 返回的行，但不能直接看到对表的修改 ✓ 正确答案
# 43. 递归 CTE 终止的两种典型模式，自引用闭环 vs MAX RECURSION。 A 只有 MAXRECURSION B 自引用闭环靠路径检测/无环自然终止，MAXRECURSION 是强制深度上限的安全兜底 ✓ 正确答案 C 闭环无法终止 D 两者互斥
# 44. GAPS 与 NO GAPS 选项在窗口帧中的含义？ A GAPS 让帧边界按值区间（含不存在的值），NO GAPS 只按实际存在的值，影响 RANGE 帧包含的行 ✓ 正确答案 B 两者等价 C 只能用于 ROWS 帧 D 与帧无关
# 45. LAG、LEAD、FIRST_VALUE、LAST_VALUE、NTH_VALUE 的偏移访问语义与边界处理？ A LAG 返回后 n 行值 B LEAD 返回前 n 行 C LAG(col,n,default) 返回前 n 行、越界返回 default；FIRST/LAST/NTH_VALUE 在帧内取值且依赖帧边界 ✓ 正确答案 D 这些函数不能配 default
# 46. 移动平均（Moving Average）与累计和（Cumulative Sum）的窗口帧设置？ A 两者都用 UNBOUNDED PRECEDING B 移动平均用 n PRECEDING 有限窗口，累计和用 UNBOUNDED PRECEDING ✓ 正确答案 C 移动平均用 UNBOUNDED PRECEDING D 帧对两者无影响
# 47. 窗口定义（Window Definition）的命名与复用，WINDOW w AS (...) 的语法？ A 窗口定义不能命名 B WINDOW 子句必须在 ORDER BY 之后 C 命名窗口只能用一个函数 D WINDOW w AS (...) 命名窗口定义，多个函数复用，减少重复书写与排序 ✓ 正确答案
# 48. FIRST_VALUE 与 LAST_VALUE 在 ORDER BY 不同时的差异？ A 两者默认都返回分区最后一行 B 两者等价 C FIRST_VALUE 默认返回分区第一行，LAST_VALUE 默认只到当前行，需 UNBOUNDED FOLLOWING 才取分区最后一行 ✓ 正确答案 D 帧不影响它们
# 49. LAG(col, 1, 0) 的三个参数含义？ A 返回当前行前一行 col 值，越界（第一行）返回默认值 0 ✓ 正确答案 B 返回后一行 col 值 C 三个参数分别表示列、默认值、偏移 D 越界一定返回 NULL
# 50. CTE 与视图（VIEW）在代码复用与性能上的取舍 A 两者完全等价 B CTE 是单语句内临时复用，视图是持久化对象可跨查询复用，物化视图可提升性能 ✓ 正确答案 C 视图是临时的 D CTE 可持久化
# 51. PERCENT_RANK 与 CUME_DIST 的差异？ A 两者等价 B PERCENT_RANK 基于排名归一化 (rank-1)/(n-1)，CUME_DIST 基于累积行数比例 (<=当前行)/n ✓ 正确答案 C CUME_DIST 基于排名 D 两者都返回 0 到 n
# 52. dense_rank 与 rank 的核心区别？ A 两者完全等价 B rank 无并列 C dense_rank 跳号 D rank 并列后跳号（1,1,3），dense_rank 不跳号（1,1,2） ✓ 正确答案
# 53. frame_clause 中 PRECEDING、FOLLOWING 的语义？ A PRECEDING 指当前行之后 B PRECEDING 指当前行之前的行，FOLLOWING 指之后的行，UNBOUNDED 表示分区首/末行 ✓ 正确答案 C 两者等价 D FOLLOWING 指当前行之前
# 54. CYCLE 子句的 path 列如何存储访问路径？ A path 列存储随机数 B path 列存储深度 C path 列是数组，记录从起点到当前节点的访问路径，用于检测环并防环 ✓ 正确答案 D path 列与防环无关
# 55. WITH RECURSIVE 关键字为何是必需的？ A 可以省略 B 它禁制自引用 C 只在 SQL Server 需要 D 它显式声明 CTE 递归自引用，无它时 CTE 不能引用自身，主要用于明确意图与防误用 ✓ 正确答案
# 57. ROWS 与 RANGE 的差异举例？ A ROWS 按值，RANGE 按行号 B RANGE 不支持 ORDER BY C 两者等价 D ROWS 按行位置，RANGE 按值且同值 peer 行整组纳入，导致同值行累计值相同 ✓ 正确答案
# 58. 窗口函数中 IGNORE NULLS/RESPECT NULLS 对 LAG/FIRST_VALUE 结果的影响 A IGNORE NULLS 让 LAG/FIRST_VALUE 跳过 NULL 取有效值 ✓ 正确答案 B RESPECT NULLS 跳过 NULL C 两者影响聚合函数 D IGNORE NULLS 是默认
