SQL 骑手接单量排名：COUNT + RANK窗口函数（美团面试题）

数据仓库晨曦

发布于 2026-07-29 21:05:55

文章被收录于专栏：数据仓库技术数据仓库技术

一、题目背景

这道题来自美团外卖配送部门的数据分析岗面试。美团有数百万注册骑手，骑手的接单量直接影响配送运力的利用率。统计每个骑手的日接单量和排名，是骑手绩效考核和调度优化的基础数据。

业务场景：骑手管理的核心指标是"日接单量"——太少说明该骑手利用率低，太多可能导致超时。区域调度员每天看骑手接单排名，对排名垫底的骑手做培训提醒，对排名靠前的骑手发放奖励。

二、题目

现有一张外卖订单表 t4_order_info，记录了每笔订单的骑手信息和接单时间。请统计每个骑手的日接单量及日排名。

外卖订单表 t4_order_info：

+-----------+-----------+----------------------+
| order_id  | rider_id  |      order_time      |
+-----------+-----------+----------------------+
| O001      | R01       | 2023-03-01 10:00:00  |
| O002      | R02       | 2023-03-01 10:30:00  |
| O003      | R01       | 2023-03-01 11:00:00  |
| O004      | R03       | 2023-03-01 11:30:00  |
| O005      | R01       | 2023-03-01 12:00:00  |
| O006      | R02       | 2023-03-01 12:30:00  |
| O007      | R01       | 2023-03-02 10:00:00  |
| O008      | R02       | 2023-03-02 10:30:00  |
| O009      | R02       | 2023-03-02 11:00:00  |
| O010      | R03       | 2023-03-02 11:30:00  |
| O011      | R03       | 2023-03-02 12:00:00  |
| O012      | R01       | 2023-03-02 12:30:00  |
+-----------+-----------+----------------------+

三、思路分析

本题考察分组聚合 + 窗口排名，是骑手绩效分析的基础题。

解题步骤：

提取日期 substr(order_time, 1, 10)；
按骑手+日期分组统计接单量；
使用 RANK() 按日期分组、按接单量降序排名；

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

四、逐步推导

1. 按骑手+日期统计接单量

执行SQL

select rider_id,
       substr(order_time, 1, 10) as order_date,
       count(1)                   as order_cnt
from t4_order_info
group by rider_id, substr(order_time, 1, 10)
order by order_date, order_cnt desc

执行结果

+-----------+-------------+------------+
| rider_id  | order_date  | order_cnt  |
+-----------+-------------+------------+
| R01       | 2023-03-01  | 3          |
| R02       | 2023-03-01  | 2          |
| R03       | 2023-03-01  | 1          |
| R03       | 2023-03-02  | 2          |
| R02       | 2023-03-02  | 2          |
| R01       | 2023-03-02  | 2          |
+-----------+-------------+------------+
6 rows selected (1.08 seconds)(https://www.dwsql.com)

2. 按日对骑手接单量排名

执行SQL

select rider_id,
       order_date,
       order_cnt,
       rank() over (partition by order_date order by order_cnt desc) as daily_rank
from (
    select rider_id,
           substr(order_time, 1, 10) as order_date,
           count(1)                   as order_cnt
    from t4_order_info
    group by rider_id, substr(order_time, 1, 10)
) t
order by order_date, daily_rank

执行结果

+-----------+-------------+------------+-------------+
| rider_id  | order_date  | order_cnt  | daily_rank  |
+-----------+-------------+------------+-------------+
| R01       | 2023-03-01  | 3          | 1           |
| R02       | 2023-03-01  | 2          | 2           |
| R03       | 2023-03-01  | 1          | 3           |
| R03       | 2023-03-02  | 2          | 1           |
| R02       | 2023-03-02  | 2          | 1           |
| R01       | 2023-03-02  | 2          | 1           |
+-----------+-------------+------------+-------------+
6 rows selected (0.661 seconds)(https://www.dwsql.com)

3月1日R01以3单排名第一；3月2日三人均为2单并列第一。

五、常见坑点

坑1：日期提取方式影响性能

substr(order_time, 1, 10) 字符串截取和 date_format(order_time, 'yyyy-MM-dd') 效果相同，但 date_format 需要对字符串做日期解析，略慢。如果 order_time 已经是标准格式，用 substr 更高效。

坑2：RANK 并列时的排名展示

三人接单量都是2单时，RANK 返回 (1,1,1)，DENSE_RANK 也返回 (1,1,1)，ROW_NUMBER 则是 (1,2,3)。以"日排名"展示给骑手时，用 RANK 或 DENSE_RANK 更公平——同样接单量不应该被硬分出名次。

六、举一反三

按周/月汇总：GROUP BY rider_id + week/month，统计骑手周/月总接单量和平均日接单量
接单量+准时率综合排名：加权公式 = 接单量 × 0.5 + 准时率 × 0.5，综合评估骑手绩效
时段细分：按午高峰/晚高峰/非高峰时段分别统计，识别不同骑手的时段偏好和能力
新骑手爬坡分析：统计骑手注册后前30天的日接单量趋势，评估新骑手培训效果

七、知识点总结

考点	说明
substr 提取日期	从完整时间戳截取日期部分用于按日分组
GROUP BY rider_id + date	按骑手和日期双维度聚合统计接单量
RANK() OVER(PARTITION BY date)	按日分组、按接单量降序排名
并列排名的选择	RANK/DENSE_RANK/ROW_NUMBER 三种语义差异

八、建表语句和数据插入

CREATE TABLE t4_order_info (
    order_id   string COMMENT '订单ID',
    rider_id   string COMMENT '骑手ID',
    order_time string COMMENT '接单时间'
) COMMENT '外卖订单表';

-- 数据插入
INSERT INTO t4_order_info VALUES
('O001', 'R01', '2023-03-01 10:00:00'),
('O002', 'R02', '2023-03-01 10:30:00'),
('O003', 'R01', '2023-03-01 11:00:00'),
('O004', 'R03', '2023-03-01 11:30:00'),
('O005', 'R01', '2023-03-01 12:00:00'),
('O006', 'R02', '2023-03-01 12:30:00'),
('O007', 'R01', '2023-03-02 10:00:00'),
('O008', 'R02', '2023-03-02 10:30:00'),
('O009', 'R02', '2023-03-02 11:00:00'),
('O010', 'R03', '2023-03-02 11:30:00'),
('O011', 'R03', '2023-03-02 12:00:00'),
('O012', 'R01', '2023-03-02 12:30:00');

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2026-07-27，如有侵权请联系 cloudcommunity@tencent.com 删除

统计