[小技巧28]MySQL 窗口函数详解：原理、用法与最佳实践

一、什么是窗口函数？

窗口函数（Window Function） 是一种在一组相关行上执行计算的函数，但与聚合函数不同的是：

• 聚合函数会将多行"压缩"为一行（GROUP BY 后结果集行数减少）；
• 窗口函数则保留原始行数，每行都返回一个基于"窗口"内数据的计算结果。

"窗口"是指通过 OVER() 子句定义的一组行，这些行与当前行存在某种逻辑关系（如按某列排序后的前 N 行、相同分组内的所有行等）。

• 引入版本：MySQL 8.0（2018年4月发布）正式支持窗口函数。
• 不支持版本 ：MySQL 5.7 及更早版本 不支持 窗口函数。若需类似功能，需通过自连接、变量模拟等方式实现，效率低且易出错。
• 因此，在使用窗口函数前，务必确认 MySQL 版本 ≥ 8.0。

二、窗口函数的分类

MySQL 支持以下几类窗口函数：

1. 聚合类窗口函数

复用传统聚合函数，但在窗口上下文中使用：

• SUM(), AVG(), COUNT(), MAX(), MIN()

示例：

SELECT 
  dept, 
  salary,
  AVG(salary) OVER (PARTITION BY dept) AS avg_dept_salary
FROM employees;

每行显示该员工所在部门的平均工资，但不合并行。

2. 排名类窗口函数

用于生成排名：

• ROW_NUMBER(): 连续唯一排名（1,2,3,...）
• RANK(): 相同值并列，跳过后续名次（1,1,3,...）
• DENSE_RANK(): 相同值并列，不跳过名次（1,1,2,...）

示例（部门内薪资排名）：

SELECT 
  name, dept, salary,
  RANK() OVER (PARTITION BY dept ORDER BY salary DESC) AS rank_in_dept
FROM employees;

3. 偏移类（分析类）窗口函数

访问当前行前后行的数据：

• LAG(expr, offset, default): 获取前第 offset 行的值
• LEAD(expr, offset, default): 获取后第 offset 行的值
• FIRST_VALUE(), LAST_VALUE(): 窗口中的首/末值
• NTH_VALUE(expr, n): 第 n 行的值

示例（计算员工薪资与上一名员工的差额）：

SELECT 
  name, salary,
  salary - LAG(salary, 1, 0) OVER (ORDER BY salary DESC) AS diff_from_prev
FROM employees;

4. 分布类窗口函数（MySQL 8.0+ 支持有限）

• PERCENT_RANK()
• CUME_DIST()
• NTILE(n)：将分区分为 n 个桶

注意：MySQL 对 PERCENTILE_CONT / PERCENTILE_DISC 等高级分布函数不支持，需自行实现。

三、窗口定义语法：OVER() 子句详解

完整语法：

OVER (
  [PARTITION BY expr, ...]
  [ORDER BY expr [ASC|DESC], ...]
  [window_frame_clause]
)

1. PARTITION BY

• 类似 GROUP BY，但不聚合，仅划分窗口。
• 若省略，则整个结果集为一个窗口。

2. ORDER BY

• 定义窗口内行的逻辑顺序。
• 对排名函数和偏移函数至关重要。
• 影响默认窗口帧（frame）范围。

3. 窗口帧（Window Frame）

定义窗口中哪些行参与计算。两种类型：

• ROWS ：基于物理行数（如 ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING）
• RANGE ：基于值的范围（如 RANGE BETWEEN 100 PRECEDING AND CURRENT ROW）

默认帧规则（当有 ORDER BY 时）：

RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW

3.1 核心区别一句话总结

• ROWS ：按物理行的位置来划定窗口（第几行到第几行）。
• RANGE ：按ORDER BY 列的值的大小关系来划定窗口（值在什么范围内）。

⚠️ 注意：两者都依赖 ORDER BY 子句（在 OVER() 中），否则没有"前后"概念。

3.2 ROWS：基于物理行偏移

** 含义**

• "前1行" = 结果集中排序后紧挨着的上一行（不管值是否相同）。
• 窗口大小由行数决定，与列的值无关。

示例数据

id	salary
1	5000
2	5000
3	6000
4	7000

查询：

SELECT 
  id, salary,
  AVG(salary) OVER (
    ORDER BY salary 
    ROWS BETWEEN 1 PRECEDING AND CURRENT ROW
  ) AS avg_rows
FROM t;

执行过程（按 salary 排序后）：

id	salary	窗口包含的行（ROWS）	avg_rows
1	5000	[5000]	5000
2	5000	[5000, 5000]	5000
3	6000	[5000, 6000]	5500
4	7000	[6000, 7000]	6500

每次只看"前1行 + 当前行"，共2行（除非开头不足）。

3.3 RANGE：基于值的范围

含义

• 包含所有满足
      order_by_expr >= current_row.order_by_expr - 100
      且 order_by_expr <= current_row.order_by_expr
  的行。
• 如果 ORDER BY 列有重复值 ，这些重复值全部被视为"同一位置"，会一起被包含进窗口。

同样数据，改用 RANGE：

SELECT 
  id, salary,
  AVG(salary) OVER (
    ORDER BY salary 
    RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
  ) AS avg_range
FROM t;

注意：MySQL 不支持 RANGE BETWEEN 100 PRECEDING ... 这种带数值偏移的写法（会报错），除非你用的是非常新版本且类型匹配。所以通常用 CURRENT ROW 或 UNBOUNDED。

但我们重点看 相同值如何处理。

执行过程（RANGE 默认行为）：

id	salary	窗口包含的行（RANGE）	avg_range
1	5000	所有 salary ≤ 5000 的行 → [5000, 5000]	5000
2	5000	所有 salary ≤ 5000 的行 → [5000, 5000]	5000
3	6000	所有 salary ≤ 6000 的行 → [5000,5000,6000]	5333.33
4	7000	所有 salary ≤ 7000 的行 → 全部	5750

💡 关键点：id=1 和 id=2 的 salary 相同，所以在 RANGE 模式下，它们"共享"同一个窗口上下文。

3.4 对比总结表

特性	ROWS	RANGE
依据	物理行位置（第几行）	ORDER BY 列的值大小
处理重复值	每行独立，即使值相同	所有相同值的行被视为一体
窗口稳定性	确定（每行窗口大小固定）	动态（取决于值分布）
适用场景	移动平均、滑动窗口	累计计算、同比分析
MySQL 限制	支持完整语法	PRECEDING/FOLLOWING 仅支持部分数值类型，常用 UNBOUNDED 或 CURRENT ROW

3.5 实际应用场景举例

（1）用 ROWS：计算3日移动平均销售额

AVG(sales) OVER (
  ORDER BY sale_date 
  ROWS BETWEEN 2 PRECEDING AND CURRENT ROW
)

总是取最近3天（包括今天）的数据，不管销售额是否相同。

（2）用 RANGE：计算截至当前薪资等级的累计人数

COUNT(*) OVER (
  ORDER BY salary 
  RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
)

所有 ≤ 当前 salary 的人都被计入。如果多人 salary 相同，他们得到相同的累计值。

（3）实际应用range和rows

mysql> show create table t\G
*************************** 1. row ***************************
       Table: t
Create Table: CREATE TABLE `t` (
  `id` int DEFAULT NULL,
  `score` int DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci
1 row in set (0.05 sec)

mysql> select * from t;
+------+-------+
| id   | score |
+------+-------+
| NULL |    70 |
| NULL |    80 |
| NULL |    96 |
| NULL |    95 |
| NULL |    94 |
| NULL |    60 |
| NULL |    83 |
| NULL |    96 |
| NULL |    85 |
| NULL |    74 |
+------+-------+
10 rows in set (0.00 sec)


mysql> SELECT 
    ->   id, score,
    ->   avg(score) OVER (ORDER BY score RANGE BETWEEN 20 PRECEDING AND CURRENT ROW) AS cnt_range,
    ->   avg(score) OVER (ORDER BY score ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS cnt_rows
    -> FROM t;
+------+-------+-----------+----------+
| id   | score | cnt_range | cnt_rows |
+------+-------+-----------+----------+
| NULL |    60 |   60.0000 |  60.0000 |
| NULL |    70 |   65.0000 |  65.0000 |
| NULL |    74 |   68.0000 |  68.0000 |
| NULL |    80 |   71.0000 |  74.6667 |
| NULL |    83 |   76.7500 |  79.0000 |
| NULL |    85 |   78.4000 |  82.6667 |
| NULL |    94 |   83.2000 |  87.3333 |
| NULL |    95 |   87.4000 |  91.3333 |
| NULL |    96 |   89.8571 |  95.0000 |
| NULL |    96 |   89.8571 |  95.6667 |
+------+-------+-----------+----------+
10 rows in set (0.00 sec)

对每一行，窗口包含所有满足score >= 当前行.score - 20 且 score <= 当前行.score的行。

举例验证（以 score = 80 为例）：

• 当前行 score = 80
• 窗口下限 = 80 - 20 = 60
• 所有 score ∈ [60, 80] 的行都会被包含
• 假设数据中有 60, 70, 74, 80 → 共 4 行
• 平均值 = (60 + 70 + 74 + 80) / 4 = 71.0 → 与你结果一致 ✅

再看 score = 96（最后一行）：

• 下限 = 96 - 20 = 76
• 包含 score ≥ 76 且 ≤ 96 的行：74? ❌（74 < 76），所以从 80 开始
• 实际包含：80, 83, 85, 94, 95, 96, 96 → 7 行
• 平均 ≈ 89.8571 → 与你结果一致 ✅

3.6 重要提醒

在 MySQL 中：

• 如果你在 OVER() 中写了 ORDER BY，但没指定 ROWS 或 RANGE，默认使用：

  RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW

• 如果你尝试写 RANGE BETWEEN 1 PRECEDING AND CURRENT ROW，而 ORDER BY 列是 INT，MySQL 8.0 会报错：（MySQL 8.0.23+的支持，之前的不支持）

  "This version of MySQL doesn't yet support 'RANGE with offset on non-temporal columns'"

  所以在 MySQL 中，RANGE 通常只用于：

  • RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW（默认）
  • 或配合 DATE/DATETIME 类型（部分支持）

因此，在 MySQL 实战中，ROWS 更常用、更可控 ；RANGE 主要用于理解"相同值应被同等对待"的语义。

总结

• ROWS = "看前后几行" → 适合滑动窗口、时间序列。
• RANGE = "看前后多少值" → 适合按值分组累计，尤其处理重复值时行为不同。

四、典型应用场景

场景	使用函数	说明
部门内排名	RANK(), DENSE_RANK()	销售排行榜、绩效评估
累计求和	SUM() OVER (ORDER BY date ROWS UNBOUNDED PRECEDING)	财务流水累计、用户增长曲线
同比/环比	LAG(), LEAD()	时间序列分析
移动平均	AVG() OVER (ORDER BY date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW)	平滑波动数据
分组占比	salary / SUM(salary) OVER (PARTITION BY dept)	计算个体在群体中的比重

优点：

• 逻辑清晰：避免复杂子查询或自连接。
• 可读性强：业务意图一目了然。
• 优化器友好：MySQL 8.0+ 的优化器对窗口函数有专门处理。

潜在性能问题：

• 若窗口过大（如无 PARTITION BY 且数据量大），可能消耗大量内存。
• ORDER BY + 大窗口帧可能导致临时表或文件排序（Using filesort）。
• 建议在 PARTITION BY 和 ORDER BY 的列上建立合适索引（尤其是复合索引）。

可通过 EXPLAIN ANALYZE（MySQL 8.0.18+）观察窗口函数执行细节。

五、常见误区与注意事项

1. 不能在 WHERE、GROUP BY、HAVING 中使用窗口函数

   → 因为其在 SELECT 阶段之后才计算（SQL 执行顺序：FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY）。

2. ORDER BY 在 OVER() 中 ≠ 查询最终排序

   → 如需最终排序，仍需在外层写 ORDER BY。

3. RANGE vs ROWS 语义差异巨大

   → 例如相同 salary 值的多行，在 RANGE 下会被视为"同一位置"，影响累计计算结果。

4. 窗口函数不能嵌套

   → 不能写 ROW_NUMBER() OVER (ORDER BY ROW_NUMBER() OVER (...))，但可通过子查询实现。

六、总结

维度	内容
核心价值	在保留明细数据的同时进行跨行计算
关键语法	func() OVER ([PARTITION BY ...] [ORDER BY ...] [frame])
必备版本	MySQL ≥ 8.0
常用函数	ROW_NUMBER, RANK, LAG, SUM() OVER, AVG() OVER
最佳实践	合理分区、控制窗口大小、善用索引、避免滥用全表窗口
替代方案（<8.0）	用户变量（@var）、自连接、临时表（不推荐，易错）

七、面试题

面试题 1：

MySQL 中窗口函数和普通聚合函数（如 GROUP BY + SUM）有什么本质区别？请举例说明。

参考答案：本质区别在于是否改变结果集的行数。

• 聚合函数配合 GROUP BY 会将多行合并为一行，结果集行数 ≤ 原始行数。
• 窗口函数对每一行都返回一个基于"窗口"的计算值，不减少行数。

例如：

-- 聚合：每个部门一行
SELECT dept,SUM(salary)FROM empGROUPBY dept;

-- 窗口：每个员工一行，附带部门总薪资
SELECT name, dept, salary,SUM(salary)OVER(PARTITIONBY dept)FROM emp;

后者可用于计算"每个员工薪资占部门总薪资的比例"，而前者无法做到。

面试题 2：

如何用窗口函数找出每个部门薪资最高的前 2 名员工？如果有多人并列第 2 名，是否都要返回？

**参考答案：**使用 DENSE_RANK() 可确保并列第 2 名全部返回：

WITH rankedAS(
SELECT
    name, dept, salary,
    DENSE_RANK()OVER(PARTITIONBY deptO RDER BY salary DESC)AS drk
FROM employees
)
SELECT name, dept, salary
FROM ranked
WHERE drk<=2;

• 若用 ROW_NUMBER()，即使薪资相同也会被强制排序，可能漏掉并列者；
• 若用 RANK()，虽然并列者都保留，但若第 1 名有 2 人，则下一个是第 3 名，可能跳过第 2 名；
• DENSE_RANK() 最适合"取前 N 名（含并列）"的场景。