Дедуп профилей: последняя запись на пользователя (ROW_NUMBER vs DISTINCT ON)

Условие задания

**Контекст:** Вы аналитик SaaS-платформы. Из-за бага в интеграции CRM таблица профилей `user_profiles` накопила дубли: один и тот же `user_id` встречается несколько раз с разными значениями плана и e-mail, потому что каждое редактирование писалось новой строкой вместо UPDATE. Для дашборда по подпискам нужна ровно одна, **самая свежая** строка на пользователя.

[см. код в задании]

**Задание:**
1. Оставьте по одной строке на `user_id` — самую свежую по `updated_at`; при равенстве `updated_at` берите запись с большим `row_id` (детерминированный тай-брейк).
2. Покажите два способа: через `ROW_NUMBER()` (переносимо) и через `DISTINCT ON` (Postgres). Объясните разницу и когда что выбирать.
3. Объясните, почему `SELECT DISTINCT user_id, ...` и `GROUP BY user_id` здесь не годятся как дедуп всей строки.

Пример данных

Структура для ориентира — реальные значения из эталонного решения.

CREATE TABLE user_profiles (
  row_id      BIGINT PRIMARY KEY,
  user_id     BIGINT NOT NULL,
  email       VARCHAR(255),
  plan        VARCHAR(32),  -- 'free'|'team'|'business'
  updated_at  TIMESTAMP NOT NULL
);

Темы

deduplication ROW_NUMBER DISTINCT-ON window-functions data-quality

Подсказки

• ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY ...) пронумерует строки внутри пользователя; нужная — та, где номер = 1.
• Чтобы «самая свежая» была первой, сортируйте по updated_at DESC, а тай-брейк — row_id DESC в том же ORDER BY.
• DISTINCT ON (user_id) в Postgres оставляет первую строку на группу — но порядок групп задаётся ORDER BY, и первым полем там должен идти именно user_id.

Все тестовые задания →

Частые вопросы

Какой уровень знаний нужен для задачи "Дедуп профилей: последняя запись на пользователя (ROW_NUMBER vs DISTINCT ON)"?

Это задание для уровня Middle. Для middle-аналитиков с опытом 1-3 года, требует уверенного владения темой и понимания edge cases.

На каких собеседованиях встречается такая задача?

Подобные задания в категории «SQL» регулярно дают на собеседованиях аналитика данных в Яндекс, Сбер, Ozon, Авито, Тинькофф, Wildberries, T-Bank, X5, ВТБ и других крупных IT-компаниях. Тематика: deduplication, ROW_NUMBER, DISTINCT-ON, window-functions, data-quality.

Сколько времени даётся на решение?

На реальном собеседовании на подобную задачу отводится 15-30 минут — оцениваются подход, корректность, обработка edge cases. Для тренировки рекомендуем сначала решить самостоятельно, потом сверить с эталонным решением и подсказками.

Где ещё потренироваться по теме «SQL»?

На zasqlpython.ru есть 520+ SQL задач в песочнице с автопроверкой кода, конспекты SQL для аналитика, AI мок-собеседование с разбором ваших ответов.

← Все задания