SQL 窗口函数入门教程基础篇

升职佳兴2026-02-17 15:37

description: SQL 窗口函数入门教程，系统讲解 OVER、PARTITION BY、ORDER BY 语法，涵盖排名函数（ROW_NUMBER/RANK/DENSE_RANK）与位移函数（LEAD/LAG），配有完整案例与练习数据。

"文章概述"

复制代码 
本文是 **SQL 窗口函数系列**的**基础篇**，系统讲解窗口函数的核心概念与常用函数。

**主要内容**：

- 窗口函数与 `GROUP BY` 聚合的本质区别
- `OVER()`、`PARTITION BY`、`ORDER BY` 语法详解
- 排名函数：`ROW_NUMBER()`、`RANK()`、`DENSE_RANK()` 对比与选型
- 位移函数：`LEAD()` 与 `LAG()` 实现同比/环比分析
- 实战案例：分组取 Top N、移动平均、累计求和等

**适合读者**：有 SQL 基础，希望掌握窗口函数核心用法的学习者

**进阶内容**：帧子句（Frame Clause）、`FIRST_VALUE`/`LAST_VALUE`/`NTH_VALUE`/`NTILE`/`CUME_DIST`/`PERCENT_RANK` 等高级函数详见 [第二篇进阶笔记](notes2.md)

SQL 窗口函数完整教程

课程来源 ：YouTube 视频教程《SQL Window Function | How to write SQL Query using RANK, DENSE RANK, LEAD/LAG | SQL Queries Tutorial》
适用数据库：MySQL 8.0+、PostgreSQL、Oracle、SQL Server（语法大体通用，个别细节有差异）

1. 窗口函数概述

1.1 什么是窗口函数

窗口函数 （Window Function），又称分析函数 （Analytic Function），允许在不减少结果集行数的情况下，对一组相关行（称为"窗口"）执行计算。

"重要"

核心区别 ：GROUP BY 会将多行折叠为一行，而窗口函数保留所有行，只是为每行附加一个计算值。

1.2 为什么需要窗口函数

传统方法的局限性 窗口函数的优势
GROUP BY + 聚合函数只能返回汇总行 保留原始行的同时附加计算值
需要复杂子查询实现排名 使用 RANK()/ROW_NUMBER() 简洁实现
难以获取前后行数据 LEAD()/LAG() 直接访问相邻行

典型场景示例：

  • 从员工表中找出每个部门薪水最高的前 3 名员工
  • 显示每个员工薪资与部门内最高/最低薪资的对比
  • 计算同比/环比增长率

1.3 面试重点提示

"面试重点提示"

如果您计划参加 SQL 面试，几乎可以肯定会遇到至少一个与窗口函数相关的问题。掌握 ROW_NUMBER()、RANK()、DENSE_RANK()、LEAD()、LAG() 是必备技能。

2. 环境准备：测试数据

本教程使用一个简单的 employee 表，包含 24 条员工记录，分布在 4 个部门（Admin、HR、IT、Finance）。

2.1 创建数据库和表

sql 复制代码 
-- 创建数据库（如已存在可跳过）
CREATE DATABASE window_function;
USE window_function;

-- 创建员工表
DROP TABLE IF EXISTS employee;
CREATE TABLE employee
(
    emp_ID    INT,           -- 员工ID（假设按入职顺序递增）
    emp_NAME  VARCHAR(50),   -- 员工姓名
    DEPT_NAME VARCHAR(50),   -- 部门名称
    SALARY    INT            -- 薪资
);

2.2 插入测试数据

sql 复制代码 
INSERT INTO employee VALUES(101, 'Mohan', 'Admin', 4000);
INSERT INTO employee VALUES(102, 'Rajkumar', 'HR', 3000);
INSERT INTO employee VALUES(103, 'Akbar', 'IT', 4000);
INSERT INTO employee VALUES(104, 'Dorvin', 'Finance', 6500);
INSERT INTO employee VALUES(105, 'Rohit', 'HR', 3000);
INSERT INTO employee VALUES(106, 'Rajesh',  'Finance', 5000);
INSERT INTO employee VALUES(107, 'Preet', 'HR', 7000);
INSERT INTO employee VALUES(108, 'Maryam', 'Admin', 4000);
INSERT INTO employee VALUES(109, 'Sanjay', 'IT', 6500);
INSERT INTO employee VALUES(110, 'Vasudha', 'IT', 7000);
INSERT INTO employee VALUES(111, 'Melinda', 'IT', 8000);
INSERT INTO employee VALUES(112, 'Komal', 'IT', 10000);
INSERT INTO employee VALUES(113, 'Gautham', 'Admin', 2000);
INSERT INTO employee VALUES(114, 'Manisha', 'HR', 3000);
INSERT INTO employee VALUES(115, 'Chandni', 'IT', 4500);
INSERT INTO employee VALUES(116, 'Satya', 'Finance', 6500);
INSERT INTO employee VALUES(117, 'Adarsh', 'HR', 3500);
INSERT INTO employee VALUES(118, 'Tejaswi', 'Finance', 5500);
INSERT INTO employee VALUES(119, 'Cory', 'HR', 8000);
INSERT INTO employee VALUES(120, 'Monica', 'Admin', 5000);
INSERT INTO employee VALUES(121, 'Rosalin', 'IT', 6000);
INSERT INTO employee VALUES(122, 'Ibrahim', 'IT', 8000);
INSERT INTO employee VALUES(123, 'Vikram', 'IT', 8000);
INSERT INTO employee VALUES(124, 'Dheeraj', 'IT', 11000);
COMMIT;

2.3 验证数据

sql 复制代码 
-- 查看所有员工数据
SELECT * FROM employee;

预期输出（共 24 条记录，部分展示）：

emp_ID emp_NAME DEPT_NAME SALARY
101 Mohan Admin 4000
102 Rajkumar HR 3000
103 Akbar IT 4000
... ... ... ...
124 Dheeraj IT 11000

3. 核心语法详解

3.1 窗口函数通用语法

sql 复制代码 
<窗口函数> OVER (
    [PARTITION BY <分区列>]    -- 可选：定义窗口分区范围
    [ORDER BY <排序列> [ASC|DESC]]  -- 可选：定义窗口内计算顺序
    [ROWS/RANGE BETWEEN ... AND ...]  -- 可选：定义窗口帧范围
)

或者使用命名窗口（Named Window）简化复用：

命名窗口（WINDOW w AS ...）可以避免重复书写相同的 OVER 子句。这部分属于进阶语法，详见 进阶篇笔记。

3.2 关键子句解析

子句 必选/可选 作用
OVER() 必选 标识该函数为窗口函数。如果括号为空，则整个结果集作为一个窗口
PARTITION BY 可选 将数据划分为多个分区，函数在每个分区内独立计算（类似 GROUP BY，但不折叠行）
ORDER BY 可选 决定分区内数据的排列顺序，对排名函数和位移函数至关重要
ROWS/RANGE BETWEEN 可选 定义移动窗口的具体范围（如"前 2 行到当前行"）

"笔记"

OVER() 是窗口函数的标志。它告诉数据库："不要把结果合并成一行，而是为每一行都去'看一看'根据规则定义的数据窗口，并且把计算结果填回来。"

3.3 窗口帧（Window Frame）进阶详解

窗口帧用于在分区（Partition）内部进一步细分窗口范围，这对于计算移动平均、累计求和至关重要。

3.3.1 语法结构
sql 复制代码 
ROWS|RANGE BETWEEN <start_bound> AND <end_bound>
3.3.2 边界选项 (Bound Options)
  • CURRENT ROW：当前行
  • UNBOUNDED PRECEDING：分区内的第一行
  • UNBOUNDED FOLLOWING：分区内的最后一行
  • N PRECEDING：当前行之前的 N 行
  • N FOLLOWING：当前行之后的 N 行
3.3.3 ROWS 与 RANGE 的区别
  • ROWS ：按物理行计算（如"前 1 行"）。
  • RANGE ：按排序列的数值 计算（如"日期减 1 天"）。如果排序列有重复值，RANGE 会将它们视为同一组同时处理。
3.3.4 默认帧规则

如果指定了 ORDER BY 但未指定帧子句，默认帧为：

sql 复制代码 
RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW

这就是为什么 LAST_VALUE() 在默认情况下只看到"截止到当前行的最后一行"，而不是"整个分区的最后一行"。

4. 聚合函数作为窗口函数

4.1 传统聚合 vs 窗口聚合

需求：查找员工表中的最高工资

方法一：传统聚合（单个结果）

sql 复制代码 
-- 查看员工的最高工资
SELECT MAX(SALARY) AS max_salary FROM employee;

执行结果：

max_salary
11000

说明：返回单行，无法看到具体员工信息。

方法二：分组聚合（每组一行）

sql 复制代码 
-- 进一步查看每个部门的最高工资
SELECT dept_name, MAX(salary) AS max_salary
FROM employee
GROUP BY dept_name;

执行结果：

dept_name max_salary
Admin 5000
Finance 6500
HR 8000
IT 11000

说明：返回 4 行（每个部门一行），但丢失了具体员工的详细信息。

方法三：窗口聚合（保留所有行）

sql 复制代码 
-- 窗口函数：保留所有行，同时附加部门最高工资
SELECT e.*,
       MAX(salary) OVER(PARTITION BY dept_name) AS max_salary
FROM employee e;

执行结果（部分展示）：

emp_ID emp_NAME DEPT_NAME SALARY max_salary
101 Mohan Admin 4000 5000
108 Maryam Admin 4000 5000
113 Gautham Admin 2000 5000
120 Monica Admin 5000 5000
104 Dorvin Finance 6500 6500
... ... ... ... ...

说明：

  • PARTITION BY dept_name：按部门分组，每个部门作为一个独立的"窗口"
  • MAX(salary) 在每个窗口内计算最高工资，并填充到该窗口的每一行
  • 原始 24 条记录全部保留，附加了部门最高工资列

4.2 全局窗口（不分区）

sql 复制代码 
-- 全局窗口：不分区，整张表作为一个窗口
SELECT e.*,
       MAX(salary) OVER() AS max_salary  -- 注意：OVER() 为空
FROM employee e;

执行结果（部分展示）：

emp_ID emp_NAME DEPT_NAME SALARY max_salary
101 Mohan Admin 4000 11000
102 Rajkumar HR 3000 11000
103 Akbar IT 4000 11000
... ... ... ... 11000

说明：

  • OVER() 为空时，整张表被视为一个巨大的窗口
  • MAX(salary) 计算全公司最高工资（11000），填充到每一行

4.3 常用聚合窗口函数

除了 MAX() 外，还可以使用 MIN()、SUM()、AVG()、COUNT() 等聚合函数作为窗口函数：

sql 复制代码 
SELECT e.*,
       MAX(salary) OVER(PARTITION BY dept_name) AS max_salary,
       MIN(salary) OVER(PARTITION BY dept_name) AS min_salary,
       AVG(salary) OVER(PARTITION BY dept_name) AS avg_salary,
       SUM(salary) OVER(PARTITION BY dept_name) AS total_salary,
       COUNT(*) OVER(PARTITION BY dept_name) AS emp_count
FROM employee e;

5. 排名函数

5.1 ROW_NUMBER()

功能说明

为表中的每条记录分配一个唯一的连续整数，不考虑是否有重复值。

基础语法
sql 复制代码 
-- 行号函数：根据 dept_name 字段对数据进行分组，并为每个分组内的记录分配一个唯一的行号
SELECT e.*,
       ROW_NUMBER() OVER(PARTITION BY dept_name) AS rn
FROM employee e;

执行结果（Admin 部门示例）：

emp_ID emp_NAME DEPT_NAME SALARY rn
101 Mohan Admin 4000 1
108 Maryam Admin 4000 2
113 Gautham Admin 2000 3
120 Monica Admin 5000 4

说明：

  • 行号在每个新的分区（部门）开始时重置为 1
  • 由于未指定 ORDER BY，分配顺序取决于数据库内部存储顺序（不推荐依赖）
全局行号（不分区）
sql 复制代码 
-- OVER 中如果不指定子句，则会对整张表视为一个窗口，为整个窗口分配行号
SELECT e.*,
       ROW_NUMBER() OVER() AS rn
FROM employee e;

执行结果：所有 24 条记录分配 1-24 的连续行号。

实战案例：获取每个部门最早入职的前 2 名员工

需求 ：假设 emp_id 越小代表入职越早，获取每个部门最早入职的前 2 名员工。

sql 复制代码 
-- 从每个部门中获取最早加入公司的前两名员工
-- 使用窗口函数加上子查询实现
SELECT * FROM (
    SELECT e.*,
           ROW_NUMBER() OVER(PARTITION BY dept_name ORDER BY emp_id) AS rn
    FROM employee e
) x
WHERE x.rn < 3;

执行结果（共 8 条记录）：

emp_ID emp_NAME DEPT_NAME SALARY rn
101 Mohan Admin 4000 1
108 Maryam Admin 4000 2
104 Dorvin Finance 6500 1
106 Rajesh Finance 5000 2
102 Rajkumar HR 3000 1
105 Rohit HR 3000 2
103 Akbar IT 4000 1
109 Sanjay IT 6500 2

"笔记"

为什么需要子查询？ 窗口函数不能直接在 WHERE 子句中使用，因为 WHERE 的执行顺序先于 SELECT（窗口函数在 SELECT 阶段执行）。必须先用子查询计算出行号，再在外层筛选。

5.2 RANK()

功能说明
  • 如果有重复值 （如薪水相同），分配相同的排名
  • 跳号机制：如果有 2 个第 1 名，下一名直接是第 3 名（跳过第 2 名）
实战案例：获取每个部门薪水最高的前 3 名员工
sql 复制代码 
-- RANK() 函数
-- 找到每个部门中薪水最高的前三名员工
SELECT * FROM (
    SELECT e.*,
           RANK() OVER(PARTITION BY dept_name ORDER BY salary DESC) AS rnk
    FROM employee e
) x
WHERE x.rnk < 4;

执行结果（共 14 条记录）：

emp_ID emp_NAME DEPT_NAME SALARY rnk
120 Monica Admin 5000 1
101 Mohan Admin 4000 2
108 Maryam Admin 4000 2
113 Gautham Admin 2000 4
104 Dorvin Finance 6500 1
116 Satya Finance 6500 1
118 Tejaswi Finance 5500 3
... ... ... ... ...

"重要"

注意 Admin 部门的排名：Mohan 和 Maryam 薪水相同（4000），都是第 2 名。下一个 Gautham（2000）直接是第 4 名，跳过了第 3 名。这就是 RANK() 的跳号特性。

5.3 DENSE_RANK()

功能说明
  • 如果有重复值 ，分配相同的排名
  • 不跳号：如果有 2 个第 1 名，下一名仍然是第 2 名
语法示例
sql 复制代码 
-- DENSE_RANK() 函数
SELECT e.*,
       DENSE_RANK() OVER(PARTITION BY dept_name ORDER BY salary DESC) AS dense_rnk
FROM employee e;

执行结果（Admin 部门示例）：

emp_ID emp_NAME DEPT_NAME SALARY dense_rnk
120 Monica Admin 5000 1
101 Mohan Admin 4000 2
108 Maryam Admin 4000 2
113 Gautham Admin 2000 3

说明：Mohan 和 Maryam 都是第 2 名，下一个 Gautham 是第 3 名（不跳号）。

5.4 三者对比

sql 复制代码 
-- 对比 ROW_NUMBER()、RANK()、DENSE_RANK() 的区别
SELECT e.*,
       RANK() OVER(PARTITION BY dept_name ORDER BY salary DESC) AS rnk,
       DENSE_RANK() OVER(PARTITION BY dept_name ORDER BY salary DESC) AS dense_rnk,
       ROW_NUMBER() OVER(PARTITION BY dept_name ORDER BY salary DESC) AS rn
FROM employee e;

执行结果（Admin 部门示例）：

emp_ID emp_NAME DEPT_NAME SALARY rnk dense_rnk rn
120 Monica Admin 5000 1 1 1
101 Mohan Admin 4000 2 2 2
108 Maryam Admin 4000 2 2 3
113 Gautham Admin 2000 4 3 4
对比表格
函数 处理重复值 是否跳号 结果示例 (薪资: 5000, 4000, 4000, 2000)
ROW_NUMBER() 仍分配不同值（唯一） 不适用 1, 2, 3, 4
RANK() 相同值相同排名 是 1, 2, 2, 4
DENSE_RANK() 相同值相同排名 否 1, 2, 2, 3

"技巧"

如何选择？

  • 需要唯一序号 → ROW_NUMBER()

  • 需要排名且关注"第几名"（如奖牌榜） → RANK()

  • 需要排名且关注"多少个不同等级"（如工资层级） → DENSE_RANK()

6. 位移函数：LEAD() 与 LAG()

6.1 功能说明

函数 作用 默认行为
LAG(col, n, default) 获取当前行之前第 n 行的值 n=1, default=NULL
LEAD(col, n, default) 获取当前行之后第 n 行的值 n=1, default=NULL

参数说明：

  • col：要获取的列
  • n：偏移量（向前/向后多少行），默认为 1
  • default：如果超出范围时的默认值，默认为 NULL

6.2 LAG() 基础示例

sql 复制代码 
-- LAG 函数：获取当前行之前的某一行的数据
SELECT e.*,
       LAG(salary) OVER(PARTITION BY dept_name ORDER BY emp_id) AS prev_empl_sal
FROM employee e;

执行结果（Admin 部门示例）：

emp_ID emp_NAME DEPT_NAME SALARY prev_empl_sal
101 Mohan Admin 4000 NULL
108 Maryam Admin 4000 4000
113 Gautham Admin 2000 4000
120 Monica Admin 5000 2000

说明：

  • 第一条记录没有"前一行"，返回 NULL
  • Maryam 的 prev_empl_sal 是 Mohan 的薪资（4000）
  • Gautham 的 prev_empl_sal 是 Maryam 的薪资（4000）

6.3 LEAD() 基础示例

sql 复制代码 
-- LEAD 函数：获取当前行之后的某一行的数据
SELECT e.*,
       LEAD(salary) OVER(PARTITION BY dept_name ORDER BY emp_id) AS next_empl_sal
FROM employee e;

执行结果（Admin 部门示例）：

emp_ID emp_NAME DEPT_NAME SALARY next_empl_sal
101 Mohan Admin 4000 4000
108 Maryam Admin 4000 2000
113 Gautham Admin 2000 5000
120 Monica Admin 5000 NULL

说明：最后一条记录没有"后一行"，返回 NULL。

6.4 带参数的 LEAD()

sql 复制代码 
-- lead(salary, 2, 0) 中的参数含义如下：
-- salary: 指定要获取的列
-- 2: 表示向后偏移 2 行的数据（即当前行之后的第 2 行）
-- 0: 表示如果偏移超出范围时的默认值（这里是 0）
SELECT e.*,
       LEAD(salary, 2, 0) OVER(PARTITION BY dept_name ORDER BY emp_id) AS next_empl_sal
FROM employee e;

执行结果（Admin 部门示例）：

emp_ID emp_NAME DEPT_NAME SALARY next_empl_sal
101 Mohan Admin 4000 2000
108 Maryam Admin 4000 5000
113 Gautham Admin 2000 0
120 Monica Admin 5000 0

说明：

  • Mohan 向后 2 行是 Gautham（薪资 2000）
  • Gautham 和 Monica 向后 2 行超出范围，返回默认值 0

6.5 实战案例：薪资比较分析

需求：查询显示某员工的薪水是高于、低于还是等于上一位员工（按 emp_id 排序）的薪水。

sql 复制代码 
-- 查询显示某员工的薪水是高于、低于还是等于上一位员工的薪水
SELECT e.*,
       LAG(salary) OVER(PARTITION BY dept_name ORDER BY emp_id) AS prev_empl_sal,
       CASE 
           WHEN e.salary > LAG(salary) OVER(PARTITION BY dept_name ORDER BY emp_id) 
               THEN 'Higher than previous employee'
           WHEN e.salary < LAG(salary) OVER(PARTITION BY dept_name ORDER BY emp_id) 
               THEN 'Lower than previous employee'
           WHEN e.salary = LAG(salary) OVER(PARTITION BY dept_name ORDER BY emp_id) 
               THEN 'Same as previous employee' 
       END AS sal_range
FROM employee e;

执行结果（Admin 部门示例）：

emp_ID emp_NAME DEPT_NAME SALARY prev_empl_sal sal_range
101 Mohan Admin 4000 NULL NULL
108 Maryam Admin 4000 4000 Same as previous employee
113 Gautham Admin 2000 4000 Lower than previous employee
120 Monica Admin 5000 2000 Higher than previous employee

"技巧"

业务应用场景 ：

  • 销售业绩环比分析

  • 库存变化趋势

  • 用户行为前后对比

7. 其他窗口函数（补充）

视频教程主要讲解了 ROW_NUMBER()、RANK()、DENSE_RANK()、LEAD()、LAG() 五个核心函数。以下补充其他常用窗口函数，确保文档完整性。

7.1 FIRST_VALUE() / LAST_VALUE()

功能说明
  • FIRST_VALUE(col)：返回窗口内第一行的值
  • LAST_VALUE(col)：返回窗口内最后一行的值
语法示例
sql 复制代码 
-- 获取每个部门薪资最高和最低的员工姓名
SELECT e.*,
       FIRST_VALUE(emp_name) OVER(
           PARTITION BY dept_name 
           ORDER BY salary DESC
       ) AS highest_paid_emp,
       LAST_VALUE(emp_name) OVER(
           PARTITION BY dept_name 
           ORDER BY salary DESC
           ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING
       ) AS lowest_paid_emp
FROM employee e;

"注意"

LAST_VALUE() 陷阱 ：默认窗口帧是 ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW，意味着"最后一行"只是当前行为止的最后一行。要获取真正的最后一行，必须显式指定 ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING。

7.2 NTH_VALUE()

功能说明

返回窗口内第 N 行的值。

语法示例
sql 复制代码 
-- 获取每个部门薪资第二高的员工薪资
SELECT e.*,
       NTH_VALUE(salary, 2) OVER(
           PARTITION BY dept_name 
           ORDER BY salary DESC
           ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING
       ) AS second_highest_salary
FROM employee e;

7.3 NTILE()

功能说明

将窗口内的行均匀分成 N 个桶，返回每行所在的桶编号（1 到 N）。

语法示例
sql 复制代码 
-- 将每个部门的员工按薪资分成 4 个等级
SELECT e.*,
       NTILE(4) OVER(PARTITION BY dept_name ORDER BY salary DESC) AS salary_quartile
FROM employee e;

执行结果示例（IT 部门，10 名员工）：

emp_NAME SALARY salary_quartile
Dheeraj 11000 1
Komal 10000 1
Vikram 8000 1
Ibrahim 8000 2
Melinda 8000 2
Vasudha 7000 2
Sanjay 6500 3
Rosalin 6000 3
Chandni 4500 4
Akbar 4000 4

说明：10 名员工分成 4 组，每组 2-3 人。

7.4 PERCENT_RANK() / CUME_DIST()

功能说明
  • PERCENT_RANK()：计算当前行的百分比排名 = (rank - 1) / (total_rows - 1)
  • CUME_DIST()：计算当前行的累积分布 = 当前排名及之前的行数 / 总行数
语法示例
sql 复制代码 
-- 计算每个员工在部门内的薪资百分位排名
SELECT e.*,
       PERCENT_RANK() OVER(PARTITION BY dept_name ORDER BY salary) AS pct_rank,
       CUME_DIST() OVER(PARTITION BY dept_name ORDER BY salary) AS cum_dist
FROM employee e;

执行结果示例（Admin 部门）：

emp_NAME SALARY pct_rank cum_dist
Gautham 2000 0.000 0.25
Mohan 4000 0.333 0.75
Maryam 4000 0.333 0.75
Monica 5000 1.000 1.00

说明：

  • Gautham 薪资最低，PERCENT_RANK = 0
  • Monica 薪资最高，PERCENT_RANK = 1
  • CUME_DIST 表示"有多少比例的员工薪资小于等于当前员工"

8. 实战案例汇总

8.1 分组取 Top N

需求：每部门薪水最高的前 3 人（推荐使用 CTE 写法）

sql 复制代码 
-- 使用 CTE（公用表表达式）实现
WITH RankedData AS (
    SELECT 
        *,
        DENSE_RANK() OVER(PARTITION BY dept_name ORDER BY salary DESC) AS ranking
    FROM employee
)
SELECT * 
FROM RankedData 
WHERE ranking <= 3;

8.2 计算移动平均值

需求：计算最近 3 个月的平均销量

sql 复制代码 
-- 使用 ROWS BETWEEN 定义滑动窗口框架
SELECT 
    month, sales,
    AVG(sales) OVER(
        ORDER BY month 
        ROWS BETWEEN 2 PRECEDING AND CURRENT ROW
    ) AS moving_avg_3_months
FROM monthly_sales;

8.3 同比/环比分析

sql 复制代码 
SELECT 
    year, month, revenue,
    -- 上月营收
    LAG(revenue) OVER(ORDER BY year, month) AS last_month_revenue,
    -- 环比增长率
    ROUND(
        (revenue - LAG(revenue) OVER(ORDER BY year, month)) 
        / LAG(revenue) OVER(ORDER BY year, month) * 100, 
        2
    ) AS growth_rate_pct
FROM sales_data;

8.4 累计求和

sql 复制代码 
-- 按部门计算累计薪资
SELECT 
    emp_name, dept_name, salary,
    SUM(salary) OVER(
        PARTITION BY dept_name 
        ORDER BY emp_id
        ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
    ) AS running_total
FROM employee;

8.5 进阶案例：连续登录问题 (Gaps and Islands)

需求 ：假设有一个用户登录表 user_login (user_id, login_date)，找出连续登录 3 天及以上的用户。

思路：

  1. 使用 ROW_NUMBER() 按日期排序生成序号。
  2. 计算 login_date - rn（日期减去序号）。如果是连续登录，这个差值（日期基准）应该是相同的。
  3. 按 user_id 和 diff 分组计数。
sql 复制代码 
WITH RawData AS (
    -- 1. 生成行号
    SELECT user_id, login_date,
           ROW_NUMBER() OVER(PARTITION BY user_id ORDER BY login_date) AS rn
    FROM user_login
),
GroupedData AS (
    -- 2. 计算差值（Island ID）
    SELECT *,
           DATE_SUB(login_date, INTERVAL rn DAY) AS island_id
    FROM RawData
)
-- 3. 统计连续天数
SELECT user_id, COUNT(*) AS consecutive_days
FROM GroupedData
GROUP BY user_id, island_id
HAVING COUNT(*) >= 3;

9. 性能优化与注意事项

9.1 索引优化

"重要"

PARTITION BY 和 ORDER BY 的列应该建立索引。如果数据库能利用索引直接获得预排序的数据，可以避免昂贵的排序操作。

建议：

  • 对于 OVER(PARTITION BY dept_id ORDER BY salary)，建议建立 (dept_id, salary) 的联合索引
  • 复合索引的列顺序应与 PARTITION BY + ORDER BY 一致

9.2 减少列的选择

在子查询中尽量只选择需要的列，而不是 SELECT *，减少内存消耗，特别是在处理大数据量排序时。

9.3 注意分区大小

  • 如果 PARTITION BY 产生的基数极高（每个分区只有 1-2 行），可能不适合使用窗口函数
  • 全局窗口（无 PARTITION BY）会导致数据无法并行处理，只能单线程排序

9.4 替代方案评估

对于极简单的需求（如仅需要每组的最大值，不需要其他明细），标准的 GROUP BY 可能比窗口函数更高效。

10. 常见错误排查

10.1 窗口函数不能在 WHERE 中使用

错误写法：

sql 复制代码 
-- ❌ 语法错误！
SELECT *, ROW_NUMBER() OVER(ORDER BY salary) AS rn
FROM employee
WHERE rn < 3;

正确写法：

sql 复制代码 
-- ✅ 使用子查询或 CTE
SELECT * FROM (
    SELECT *, ROW_NUMBER() OVER(ORDER BY salary) AS rn
    FROM employee
) x
WHERE x.rn < 3;

10.2 LAST_VALUE() 返回意外结果

问题 ：LAST_VALUE() 返回当前行的值，而不是窗口的最后一行。

原因 ：默认窗口帧是 ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW。

解决方案：显式指定窗口帧

sql 复制代码 
LAST_VALUE(col) OVER(
    ORDER BY ...
    ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING
)

10.3 排名函数不传参数的疑惑

问题 ：RANK()、DENSE_RANK()、ROW_NUMBER() 后面为什么不传参数？

解答 ：这些函数本身不需要列参数，它们的计算依据完全由 OVER() 子句中的 PARTITION BY 和 ORDER BY 决定。它们只是根据排序顺序为每行分配一个值。

10.4 ORDER BY 遗漏导致结果不确定

问题 ：ROW_NUMBER() OVER(PARTITION BY dept_name) 每次执行结果可能不同。

原因 ：未指定 ORDER BY 时，分配顺序取决于数据库内部存储顺序，不保证一致。

解决方案 ：始终为排名函数指定明确的 ORDER BY。

11. 数据库版本差异说明

特性 MySQL PostgreSQL Oracle SQL Server
窗口函数支持 8.0+ 8.4+ 8i+ 2005+
ROWS BETWEEN 8.0+ 全支持 全支持 2012+
PERCENT_RANK 8.0+ 全支持 全支持 2012+
NTH_VALUE 8.0+ 9.0+ 11g+ 2012+
NTILE 8.0+ 全支持 全支持 2005+

"警告"

MySQL 5.7 及更早版本不支持窗口函数！ 如需使用，请升级到 MySQL 8.0 或使用其他变通方案（如变量模拟）。

附录：函数速查表

函数 类别 作用 是否需要 ORDER BY 详情
ROW_NUMBER() 排名 唯一连续序号 推荐 本文
RANK() 排名 并列排名，跳号 必须 本文
DENSE_RANK() 排名 并列排名，不跳号 必须 本文
NTILE(n) 排名 分成 n 个桶 推荐 进阶篇
LEAD(col, n, default) 位移 向后第 n 行 必须 本文
LAG(col, n, default) 位移 向前第 n 行 必须 本文
FIRST_VALUE(col) 取值 窗口第一行 推荐 进阶篇
LAST_VALUE(col) 取值 窗口最后一行 推荐 进阶篇
NTH_VALUE(col, n) 取值 窗口第 n 行 推荐 进阶篇
PERCENT_RANK() 统计 百分比排名 必须 进阶篇
CUME_DIST() 统计 累积分布 必须 进阶篇
SUM/AVG/MAX/MIN/COUNT 聚合 窗口内聚合 可选 本文

文档版本 ：v2.0
最后更新 ：2026-02-02
适用范围：MySQL 8.0+、PostgreSQL、Oracle、SQL Server

相关推荐
dreams_dream2 小时前
MySQL 主从复制（小白友好 + 企业级）
android·数据库·mysql
XLYcmy2 小时前
智能体大赛 技术架构 数据根基层
数据库·ai·llm·api·agent·幻觉·万方
014-code2 小时前
MySQL 事务隔离级别
java·数据库·mysql
Je1lyfish2 小时前
CMU15-445 (2026 Spring) Project#1 - Buffer Pool Manager
linux·数据库·c++·后端·链表·课程设计·数据库架构
Re.不晚2 小时前
Redis——哨兵机制
数据库·redis·bootstrap
代码星辰2 小时前
MySQL 面试题——深度分页优化
数据库·mysql·覆盖索引·深度分页
麦聪聊数据2 小时前
基于 Web SQL 与 SQL2API 的数据治理架构实践
运维·sql·架构
散装DBA2 小时前
OpenClaw+钉钉机器人实现数据库操作
数据库·机器人·钉钉
哈库纳玛塔塔3 小时前
公元前日期处理的两种方案
数据库·算法·mybatis
热门推荐
01使用 1panel面板 部署 php网站02从零搭建一个 PHP 登录注册系统（含完整源码）03GitHub 镜像站点04PHP Error: 常见错误及其解决方法05如何将 TRAE IDE 的插件市场源切换至 VS Code 官方市场06openClaw安装飞书插件｜核心踩坑：spawn EINVAL 错误终极解决指南07全面体验 Grok API 中转站（2025 · Grok 4 系列最新版）08BUUCTF[ACTF2020 新生赛]Include 1题解09MIUI显示/隐藏5G开关的方法，信号弱时开启手机Wifi通话方法10Claude Code + GLM4.7 避坑指南：解决 Unable to connect to Anthropic services