你坐在屏幕前，面试官共享了一道SQL题："找出第二高的薪资"。这题你刷过，但Salesforce的考法有点不一样——他们要你边写边说，解释这行代码对应什么业务场景。
这是Salesforce数据工程师面试的真实节奏。不是算法竞赛，是把你丢进SaaS公司的日常分析场景里，看你能不能快速把业务问题翻译成正确的数据操作。
面试结构：7道题的分布逻辑
Salesforce的题库有固定配比：1道简单、5道中等、1道困难。核心权重在SQL，尤其是窗口函数和队列分析；Python只占两题，考的是工程基础而非算法技巧。
七种题型对应七个业务场景：薪资排名、用户留存、连续活跃、环比增长、流量报表、事务状态、管道编排。每道题都在测试"业务语言→技术原语"的映射能力。
面试官的评分点很具体：你能不能说出"这道题要用子查询找第N大值"，或者"留存率需要队列聚合再相除"。
SQL五题：从子查询到窗口函数
第一题"第二高薪资"是入门测试。三种写法都能过：嵌套MAX、LIMIT OFFSET、DENSE_RANK()。但细节决定成败——如果表里只有一条记录，嵌套MAX自动返回NULL，LIMIT写法却可能返回空结果集。
队列分析题更考验业务直觉。比如计算用户留存：先按注册日期分组（队列），再统计每批用户在后续月份的回访比例。这里容易踩的坑是用COUNT DISTINCT算分子分母，却没理解"留存"本质是条件概率。
连续活跃检测需要自连接加日期运算。把用户行为表和自己连接，过滤出日期差为1的记录对，再用GROUP BY找出连续天数超过阈值的群体。这道题测的是你对时间序列数据的处理能力。
环比增长题指定用LAG窗口函数。关键是在DATE_TRUNC分区上开窗，确保比的是"今年1月vs去年12月"而不是跨用户乱比。窗口函数的PARTITION BY和ORDER BY顺序写错，结果直接失真。
流量报表题涉及字符串解析后的聚合。比如从URL参数中提取渠道来源，再按维度汇总。这里考的是你在脏数据环境下做维度建模的基本功。
Python两题：哈希表与闭包
Salesforce的Python题不考LeetCode hard。第一题用哈希表追踪事务状态：设计一个字典结构，支持原子性的状态转移检查——比如从"pending"到"completed"是合法迁移，"completed"回退"pending"则要拒绝。
第二题考闭包和高阶函数，场景是ETL管道编排。写一个函数返回另一个函数，让数据转换步骤可以链式组合。这道题测的是你对函数式编程在数据工程中实际应用的理解。
两道题都不需要复杂算法，但要求代码能清晰表达业务逻辑。
面试策略：说出你的思考路径
Salesforce面试官明确期待候选人"把映射关系说出来"。拿到题后，先用一句话定义业务指标，再对应到技术原语。
比如遇到留存题，开口就说："留存是队列分析，我需要GROUP BY注册日期做队列，再用自连接或窗口函数统计回访。"这种表达比直接写代码更能拿分。
准备时建议按这七个场景专项突破，而不是泛泛刷题。窗口函数和日期运算的熟练度直接决定你能不能在45分钟内写完五道SQL。
如果你正在准备这类面试，可以对照这七个题型自检：能否不看答案写出五种SQL原语的完整查询？能否解释哈希表方案如何处理并发状态冲突？能清晰回答，面试就过了大半。