SQL 热门话题Top10及参与用户数：GROUP BY + LIMIT（快手面试题）

一、题目

已知有表 t7_topic_video 记录了视频与话题的关联关系（一个视频可以带多个话题标签，因此同一个 video_id 可能对应多行，每行是该视频与某个话题的关联），包含字段：video_id（视频ID）、topic_id（话题ID）、topic_name（话题名称）、author_id（作者ID）、create_time（视频创建时间）。

请统计参与视频数量最多的 Top 10 话题，输出话题ID、话题名称、参与视频数、参与作者数（去重），按参与视频数降序排列。如果视频数相同，按话题ID升序排列。

样例数据

+-----------+-----------+-------------+------------+----------------------+
| video_id  | topic_id  | topic_name  | author_id  |     create_time      |
+-----------+-----------+-------------+------------+----------------------+
| V001      | T001      | #挑战30天      | a001       | 2024-06-01 08:00:00  |
| V001      | T002      | #夏日穿搭       | a001       | 2024-06-01 08:00:00  |
| V002      | T001      | #挑战30天      | a002       | 2024-06-01 09:00:00  |
| V003      | T001      | #挑战30天      | a001       | 2024-06-01 10:00:00  |
| V004      | T001      | #挑战30天      | a003       | 2024-06-01 11:00:00  |
| V004      | T002      | #夏日穿搭       | a003       | 2024-06-01 11:00:00  |
| V004      | T003      | #美食探店       | a003       | 2024-06-01 11:00:00  |
| V005      | T002      | #夏日穿搭       | a002       | 2024-06-01 12:00:00  |
| V006      | T002      | #夏日穿搭       | a004       | 2024-06-01 13:00:00  |
| V007      | T003      | #美食探店       | a004       | 2024-06-01 14:00:00  |
| V008      | T003      | #美食探店       | a005       | 2024-06-01 15:00:00  |
| V009      | T004      | #萌宠日常       | a001       | 2024-06-01 16:00:00  |
| V010      | T005      | #健身打卡       | a006       | 2024-06-01 17:00:00  |
+-----------+-----------+-------------+------------+----------------------+

V001 带了 T001、T002 两个话题，V004 带了 T001、T002、T003 三个话题，因此它们在表中各占多行。

二、思路分析

本题是对 GROUP BY + COUNT DISTINCT 的经典考察。关键在于理解表的粒度：

• 表粒度是「视频-话题」关联：一个视频带 N 个话题就有 N 行。所以 count(video_id) 统计的实际上是该话题下「视频-话题」关联的数量，由于每个 (video, topic) 对唯一，这个值正好等于「参与该话题的视频数」。多话题视频（如 V001）会同时计入它参与的每个话题，这是符合业务语义的。

• 作者数要去重：count(distinct author_id) 统计参与作者数，因为同一个作者可能为同一话题发布多个视频（如 a001 发布了 V001、V003 都带 #挑战30天）。

• 排序取 Top 10：order by video_cnt desc, topic_id asc + limit 10。

维度	评分
题目难度	⭐️
题目清晰度	⭐️⭐️⭐️⭐️⭐️
业务常见度	⭐️⭐️⭐️⭐️⭐️

三、逐步推导

1.按话题统计视频数和参与作者数

按 topic_id 分组，count(video_id) 统计参与视频数，count(distinct author_id) 统计去重作者数。

执行SQL

select
    topic_id,
    topic_name,
    count(video_id) as video_cnt,
    count(distinct author_id) as author_cnt
from t7_topic_video
group by topic_id, topic_name
order by video_cnt desc, topic_id asc

执行结果

+-----------+-------------+------------+-------------+
| topic_id  | topic_name  | video_cnt  | author_cnt  |
+-----------+-------------+------------+-------------+
| T001      | #挑战30天      | 4          | 3           |
| T002      | #夏日穿搭       | 4          | 4           |
| T003      | #美食探店       | 3          | 3           |
| T004      | #萌宠日常       | 1          | 1           |
| T005      | #健身打卡       | 1          | 1           |
+-----------+-------------+------------+-------------+
5 rows selected (0.674 seconds)(https://www.dwsql.com)

V001、V004 是多话题视频：V001 同时计入 T001 和 T002，V004 同时计入 T001、T002、T003。

2.取 Top 10 热门话题

添加 limit 10 限制，得到最终结果。

执行SQL

select
    topic_id,
    topic_name,
    count(video_id) as video_cnt,
    count(distinct author_id) as author_cnt
from t7_topic_video
group by topic_id, topic_name
order by video_cnt desc, topic_id asc
limit 10

执行结果

+-----------+-------------+------------+-------------+
| topic_id  | topic_name  | video_cnt  | author_cnt  |
+-----------+-------------+------------+-------------+
| T001      | #挑战30天      | 4          | 3           |
| T002      | #夏日穿搭       | 4          | 4           |
| T003      | #美食探店       | 3          | 3           |
| T004      | #萌宠日常       | 1          | 1           |
| T005      | #健身打卡       | 1          | 1           |
+-----------+-------------+------------+-------------+
5 rows selected (0.371 seconds)(https://www.dwsql.com)

#挑战30天 和 #夏日穿搭 视频数并列第一（均为4个），按 topic_id 升序，#挑战30天(T001) 排在 #夏日穿搭(T002) 前。

四、常见坑点

坑1：作者数必须去重

同一作者可为同一话题发布多个视频（如 a001 的 V001、V003 都带 #挑战30天），count(author_id) 会重复计数。必须用 count(distinct author_id)，否则 a001 被算成 2 个作者。

坑2：并列话题的排序规则

视频数相同时需明确次级排序键。题目要求 video_cnt desc, topic_id asc，若漏掉 topic_id asc，并列话题的顺序不稳定，Top10 结果可能漂移。

坑3：多话题视频会同时计入多个话题

V001 带两个话题，在统计时同时计入 T001 和 T002。这是业务上正确的——一个视频确实"参与"了多个话题。但如果后续要做「全网去重视频总数」这类跨话题汇总，就不能简单把各话题 video_cnt 相加，否则多话题视频会被重复统计。

五、知识点总结

考点	说明
count(video_id) 视频数	表粒度是视频-话题关联，每个话题下的行数即参与视频数
count(distinct author_id)	同一作者多视频参与同一话题，作者数须去重
order by 多列排序	video_cnt desc, topic_id asc 指定并列时的次级排序键
group by + limit	分组聚合后配合 order by + limit 取 Top N

六、建表语句和数据插入

点击展开 DDL & DML

--建表语句
create table if not exists t7_topic_video (
    video_id string comment '视频ID',
    topic_id string comment '话题ID',
    topic_name string comment '话题名称',
    author_id string comment '作者ID',
    create_time string comment '视频创建时间'
);

--数据插入
insert into t7_topic_video(video_id, topic_id, topic_name, author_id, create_time) values
('V001', 'T001', '#挑战30天', 'a001', '2024-06-01 08:00:00'),
('V001', 'T002', '#夏日穿搭', 'a001', '2024-06-01 08:00:00'),
('V002', 'T001', '#挑战30天', 'a002', '2024-06-01 09:00:00'),
('V003', 'T001', '#挑战30天', 'a001', '2024-06-01 10:00:00'),
('V004', 'T001', '#挑战30天', 'a003', '2024-06-01 11:00:00'),
('V004', 'T002', '#夏日穿搭', 'a003', '2024-06-01 11:00:00'),
('V004', 'T003', '#美食探店', 'a003', '2024-06-01 11:00:00'),
('V005', 'T002', '#夏日穿搭', 'a002', '2024-06-01 12:00:00'),
('V006', 'T002', '#夏日穿搭', 'a004', '2024-06-01 13:00:00'),
('V007', 'T003', '#美食探店', 'a004', '2024-06-01 14:00:00'),
('V008', 'T003', '#美食探店', 'a005', '2024-06-01 15:00:00'),
('V009', 'T004', '#萌宠日常', 'a001', '2024-06-01 16:00:00'),
('V010', 'T005', '#健身打卡', 'a006', '2024-06-01 17:00:00');

📱关注公众号

「数据仓库技术」文章同步更新，不错过每一篇干货

💬加群交流

备注「数据仓库技术」加入社群，每日一道大厂SQL真题