大家在开发中有没有遇到过这样的场景：需要对数据进行排名、分组统计、求前后行数据、计算累计和？如果只用Java代码硬写，往往要写一堆循环、判断，既繁琐又容易出错；但如果用MySQL8新增的窗口函数，可能一行SQL就能搞定！今天我们就一起来解锁这个"效率神器"
一、先看对比：Java硬写统计 vs MySQL窗口函数，差距太明显！
假设我们有一个员工表（emp），包含员工ID（emp_id）、部门ID（dept_id）、员工工资（salary），现在要实现一个需求：查询每个员工的工资，以及他所在部门的工资排名、部门内工资总和。
1. Java代码硬写（繁琐版）
如果不用窗口函数，我们用Java实现的思路大概是这样：
java
import java.util.*;
import java.util.stream.Collectors;
// 员工实体类
class Emp {
private Integer empId;
private Integer deptId;
private Integer salary;
}
public class EmpStatistic {
public static void main(String[] args) {
// 1. 模拟查询所有员工信息（实际开发中从数据库查询）
List<Emp> empList = Arrays.asList(
new Emp(1, 101, 8000),
new Emp(2, 101, 9500),
new Emp(3, 101, 8000),
new Emp(4, 102, 7500),
new Emp(5, 102, 10000)
);
// 2. 按部门ID分组（key：部门ID，value：该部门所有员工）
Map<Integer, List<Emp>> deptEmpMap = empList.stream()
.collect(Collectors.groupingBy(Emp::getDeptId));
// 3. 遍历每个部门，计算部门工资总和、给员工排名
List<Map<String, Object>> result = new ArrayList<>();
for (Map.Entry<Integer, List<Emp>> entry : deptEmpMap.entrySet()) {
Integer deptId = entry.getKey();
List<Emp> deptEmps = entry.getValue();
// 计算部门工资总和
Integer deptSalTotal = deptEmps.stream()
.mapToInt(Emp::getSalary)
.sum();
// 按工资降序排序，给员工排名（处理并列排名，对应RANK()逻辑）
List<Emp> sortedEmps = deptEmps.stream()
.sorted((e1, e2) -> Integer.compare(e2.getSalary(), e1.getSalary()))
.collect(Collectors.toList());
// 给每个员工分配排名
for (int i = 0; i < sortedEmps.size(); i++) {
Emp emp = sortedEmps.get(i);
int rank = i + 1;
// 处理并列：如果当前员工工资和上一个相同，排名相同
if (i > 0 && emp.getSalary().equals(sortedEmps.get(i-1).getSalary())) {
rank = result.get(result.size()-1).get("deptSalRank") != null ?
(Integer) result.get(result.size()-1).get("deptSalRank") : rank;
}
// 封装结果（保留原始员工信息，添加排名、部门工资总和）
Map<String, Object> empResult = new HashMap<>();
empResult.put("empId", emp.getEmpId());
empResult.put("deptId", deptId);
empResult.put("salary", emp.getSalary());
empResult.put("deptSalRank", rank);
empResult.put("deptSalTotal", deptSalTotal);
result.add(empResult);
}
}
// 输出结果（实际开发中返回给前端或其他服务）
for (Map<String, Object> map : result) {
System.out.println(map);
}
}
}这段代码完整实现了需求，包含员工实体类、分组、排序、排名、求和等逻辑，足足几十行代码。
- 先查询所有员工的信息，存入List集合；
- 遍历集合，按部门ID分组，把每个部门的员工单独存到一个子集合；
- 对每个部门的子集合，按工资降序排序，给每个员工分配排名；
- 再遍历每个部门的子集合，计算部门内的工资总和；
- 最后把排名、部门工资总和，和员工原有信息拼接起来，返回结果。
光听思路就觉得麻烦吧？实际写代码还要处理空值、排序异常、分组逻辑，至少要写几十行代码，而且数据量大的时候，循环遍历会特别耗时，维护起来也头疼。
2. MySQL窗口函数（简洁版）
同样的需求，用MySQL8的窗口函数，一行SQL就能搞定：
sql
SELECT
emp_id,
dept_id,
salary,
RANK() OVER (PARTITION BY dept_id ORDER BY salary DESC) AS dept_sal_rank, -- 部门内工资排名
SUM(salary) OVER (PARTITION BY dept_id) AS dept_sal_total -- 部门工资总和
FROM emp;是不是瞬间清爽了？没有复杂的循环，没有繁琐的分组判断，SQL直接帮我们完成了统计。看到这里，你是不是已经对窗口函数充满好奇了？👉 评论区说说，你以前处理这种统计需求，用的是哪种方式？
其实窗口函数的核心就是"简化复杂统计"，接下来我们就正式介绍它，看看它到底能解决哪些问题，具体怎么用。
二、什么是窗口函数？它主要解决什么问题？
1. 窗口函数的定义
窗口函数（Window Function）是MySQL8新增的核心功能，它的本质是：对数据集合进行"分区、排序、计算"，在不改变原有数据行数的前提下，对每行数据进行额外的统计计算。
这里的"窗口"，可以理解为"一个被划定的数据集"------我们可以把整个表当作一个窗口，也可以按某个字段（比如部门ID）把表分成多个小窗口，然后在每个窗口内进行统计。
2. 窗口函数主要解决的问题
在窗口函数出现之前，很多统计需求要么用Java代码硬写，要么用GROUP BY分组（但GROUP BY会合并行，无法保留每行的原始数据），窗口函数正好解决了这些痛点，主要适用以下场景：
- 排名类需求：给每个分组内的数据排名（如部门内工资排名、班级内成绩排名）；
- 聚合类需求：计算每个分组内的累计和、平均值、最大值（如累计销售额、部门内平均工资）；
- 前后行关联需求：获取当前行的前一行、后一行数据（如获取员工的上一个同事、下一个同事的工资）；
- 比例类需求：计算每行数据占分组内总数据的比例（如员工工资占部门总工资的比例）。
简单说，只要你需要"既保留原始数据，又要对数据进行分组统计"，窗口函数就是最优解。大家可以想一想，你平时开发中，有没有遇到过上面这些场景？
接下来我们就用几个典型示例，带你快速上手窗口函数，看看它实际用法有多简单。
三、窗口函数典型示例：一看就会，一用就通
窗口函数的通用语法很简单：函数名() OVER (PARTITION BY 分组字段 ORDER BY 排序字段)，其中PARTITION BY（可选）用来划分窗口（分组），ORDER BY（可选）用来对窗口内的数据排序。
下面我们结合具体需求，介绍几个最常用的窗口函数，全程用上面的员工表（emp）举例，大家可以直接复制SQL测试～
示例1：排名函数（RANK()、DENSE_RANK()、ROW_NUMBER()）
需求：查询每个员工的工资，以及部门内的工资排名（处理并列排名）。
sql
SELECT
emp_id,
dept_id,
salary,
RANK() OVER (PARTITION BY dept_id ORDER BY salary DESC) AS rank1, -- 并列排名，跳过后续名次（如1、1、3）
DENSE_RANK() OVER (PARTITION BY dept_id ORDER BY salary DESC) AS rank2, -- 并列排名，不跳过后续名次（如1、1、2）
ROW_NUMBER() OVER (PARTITION BY dept_id ORDER BY salary DESC) AS rank3 -- 不考虑并列，依次排序（如1、2、3）
FROM emp;小提示：如果不需要分组（比如给所有员工按工资排名），直接去掉PARTITION BY即可。你觉得这三个排名函数，哪个最常用？评论区留下你的答案～
示例2：聚合窗口函数（SUM()、AVG()、MAX()）
需求：查询每个员工的工资，以及部门内的工资总和、平均工资、最高工资。
sql
SELECT
emp_id,
dept_id,
salary,
SUM(salary) OVER (PARTITION BY dept_id) AS dept_sal_total, -- 部门工资总和
AVG(salary) OVER (PARTITION BY dept_id) AS dept_sal_avg, -- 部门平均工资
MAX(salary) OVER (PARTITION BY dept_id) AS dept_sal_max -- 部门最高工资
FROM emp;这里要注意：聚合窗口函数和普通聚合函数（GROUP BY+SUM）的区别是------前者不合并行，每行都能显示统计结果，后者会合并分组后的行。
示例3：前后行函数（LAG()、LEAD()）
需求：查询每个员工的工资，以及他的上一个员工、下一个员工的工资（按部门内工资排序）。
sql
SELECT
emp_id,
dept_id,
salary,
LAG(salary, 1, 0) OVER (PARTITION BY dept_id ORDER BY salary DESC) AS prev_sal, -- 上一行工资，无则显示0
LEAD(salary, 1, 0) OVER (PARTITION BY dept_id ORDER BY salary DESC) AS next_sal -- 下一行工资，无则显示0
FROM emp;语法说明：LAG(字段, 偏移量, 默认值) 表示"获取当前行往前第N行的字段值"，LEAD则是"往后第N行"，非常适合做前后数据对比。
这三个示例基本覆盖了窗口函数的常用场景，是不是觉得很简单？
大家可能会有疑问：统计功能经常会用到统计表（提前存储统计结果的表），那窗口函数和我们平时用的"统计表"相比，哪个更好？接下来我们就做一个详细对比，帮你快速选择。
四、窗口函数 vs 统计表：该选哪个？
很多项目中，为了提高统计效率，会专门创建"统计表"（比如dept_sal_stat，存储每个部门的工资总和、平均工资等），定期通过定时任务更新统计数据。下面我们从多个维度，对比窗口函数和统计表的优劣：
| 对比维度 | 窗口函数 | 统计表 |
|---|---|---|
| 实时性 | 高：实时计算，数据变更后立即能查询到最新统计结果 | 低：依赖定时任务更新，存在数据延迟（比如每小时更新一次） |
| 执行效率 | 数据量小时高效；数据量大、窗口复杂时低效 | 高：直接查询统计结果，无需实时计算，不受数据量影响 |
| 维护成本 | 低：无需额外创建表，无需维护定时任务，SQL直接计算 | 高：需要创建统计表，维护定时任务（处理数据更新、异常），还要考虑数据一致性 |
| 灵活性 | 高：可灵活调整分组、排序、统计逻辑，支持多种复杂统计需求 | 低：统计逻辑固定，修改统计需求时，需要修改统计表结构和定时任务 |
| 总结选择建议： |
- 如果是实时统计、统计逻辑灵活、数据量不大（比如后台管理系统的报表查询），优先用窗口函数；
- 如果是高并发查询、数据量极大、统计逻辑固定（比如首页展示的核心统计数据），优先用统计表。
了解完窗口函数与统计表的区别，我们也要清楚：窗口函数也不是万能的，它有自身的局限性，接下来我们就聊聊它的弊端和不适用情况，避免大家用错地方。
五、窗口函数的弊端和不适用情况
虽然窗口函数很强大，但它也有自身的局限性，不是所有场景都适合用，大家一定要避开这些"坑"：
1. 窗口函数的弊端
- 性能问题：当数据量极大（百万级、千万级），且窗口划分复杂（比如多字段分组、排序）时，窗口函数的执行效率会明显下降------因为它需要对每个窗口进行排序和计算，消耗较多的CPU和内存；
- 逻辑复杂度高（复杂场景）：如果需要多个窗口嵌套、多条件组合统计，SQL语句会变得冗长，可读性和维护性会下降。
2. 窗口函数的不适用情况
- 简单聚合需求 ：如果只是单纯的"求总数量、总金额"，不需要保留原始数据，用普通GROUP BY+聚合函数更高效（比如"查询每个部门的工资总和"，直接GROUP BY dept_id即可）；
- 数据量极大且无索引：没有合适的索引（比如分组字段、排序字段无索引），窗口函数的排序操作会触发全表扫描，效率极低，此时不如用Java代码分批处理，或提前预处理数据；
看到这里，相信大家已经对窗口函数有了全面的了解------从它的便捷性，到具体用法，再到与统计表的对比、自身弊端，都已经讲得很清楚了。最后我们做一个整体总结，帮大家梳理重点，并新增附录方便大家查阅常用函数。
六、总结：窗口函数的核心价值与使用原则
MySQL8的窗口函数，本质是"高效的分组统计工具"，它的核心价值在于：在不合并行的前提下，快速实现复杂统计，简化代码（替代繁琐的Java循环或多表关联）。
使用窗口函数的核心原则的是：
- 优先用于"保留原始数据+分组统计"的场景，避免用在简单聚合、数据量极大无索引的场景；
- 结合性能场景选型：实时、灵活选窗口函数；高并发、大数据量选统计表。
窗口函数虽然简单，但能极大提升我们的开发效率，尤其是在报表开发、数据统计场景中，堪称"神器"。希望这篇文章能帮你学会窗口函数，避开使用误区，少写无用代码～
觉得有用的话，点赞，转发，推荐，支持一下吧！
附录：MySQL8常用窗口函数及功能说明
为方便大家日常查阅使用，以下整理了MySQL8中最常用的窗口函数，按功能分类呈现，结合示例便于理解：
| 函数名称 | 功能说明 | 简单示例 |
|---|---|---|
| RANK() | 分组内排名，并列排名会跳过后续名次（如1、1、3） | RANK() OVER (PARTITION BY dept_id ORDER BY salary DESC) |
| DENSE_RANK() | 分组内排名，并列排名不跳过后续名次（如1、1、2） | DENSE_RANK() OVER (PARTITION BY dept_id ORDER BY salary DESC) |
| ROW_NUMBER() | 分组内排序，不考虑并列，依次分配唯一名次（如1、2、3） | ROW_NUMBER() OVER (PARTITION BY dept_id ORDER BY salary DESC) |
| PERCENT_RANK() | 分组内计算相对排名百分比，取值范围[0,1]，公式：(当前排名-1)/(总条数-1) | PERCENT_RANK() OVER (PARTITION BY dept_id ORDER BY salary DESC) |
| NTILE(n) | 将分组内数据平均分成n组，返回当前行所在的组号，不足分组时自动调整 | NTILE(2) OVER (PARTITION BY dept_id ORDER BY salary DESC) |
| SUM() | 计算分组内指定字段的总和，不合并原始行 | SUM(salary) OVER (PARTITION BY dept_id) |
| AVG() | 计算分组内指定字段的平均值，不合并原始行 | AVG(salary) OVER (PARTITION BY dept_id) |
| MAX() | 计算分组内指定字段的最大值，不合并原始行 | MAX(salary) OVER (PARTITION BY dept_id) |
| FIRST_VALUE() | 返回分组内排序后，当前窗口的第一行指定字段的值 | FIRST_VALUE(salary) OVER (PARTITION BY dept_id ORDER BY salary DESC) |
| LAST_VALUE() | 返回分组内排序后，当前窗口的最后一行指定字段的值 | LAST_VALUE(salary) OVER (PARTITION BY dept_id ORDER BY salary DESC) |
| NTH_VALUE(字段, n) | 返回分组内排序后，当前窗口的第n行指定字段的值，n为正整数 | NTH_VALUE(salary, 2) OVER (PARTITION BY dept_id ORDER BY salary DESC) |
| LAG() | 获取当前行往前第N行的指定字段值，可设置默认值 | LAG(salary, 1, 0) OVER (PARTITION BY dept_id ORDER BY salary DESC) |
| LEAD() | 获取当前行往后第N行的指定字段值，可设置默认值 | LEAD(salary, 1, 0) OVER (PARTITION BY dept_id ORDER BY salary DESC) |