一、核心基础
1.1 定义与核心特性
窗口函数（Window Function）又称开窗函数，是MySQL 8.0版本新增的高级查询特性，核心作用是对**数据集的指定窗口（即数据子集）**进行精准计算。
======= 🌟 青柠来相伴，代码更简单。🌟 =======
📚 本文所有内容，我都整理在了 青柠合集 里。👇
🎯 搜索关注【青柠代码录】，即可查看所有合集文章 ~
======= 🌟 ================ 🌟 =======区别于传统GROUP BY聚合函数，其最大优势是不压缩原表行数、不丢失明细数据------每一行数据都会生成对应的计算结果，实现"单行明细数据"与"窗口汇总数据"同屏展示，完美弥补传统GROUP BY聚合后，丢失明细的缺陷，这也是开发中优先使用窗口函数的核心原因。
窗口函数的三大核心特性：
- 明细保留：原表所有行完整留存，不会像GROUP BY那样，将分组数据合并为一行，而是在每行明细后，新增窗口计算结果列，实现"一行看尽个人数据与分组汇总数据"，适配报表开发中"明细+汇总"同表展示的需求。
- 分区独立：通过PARTITION BY子句划分数据分区，每个分区内的窗口计算相互隔离、互不干扰。例如按部门分区计算薪资排名，技术部的排名仅在技术部内部生效，不会与产品部、销售部的员工混淆，这是窗口函数实现"分组计算"的核心逻辑。
- 范围可控：支持通过帧边界子句（ROWS/RANGE），自定义窗口内参与计算的行范围，可实现累计计算、移动计算、区间计算等精细化需求，例如"近3天订单金额移动平均""从分区首行到当前行的累计销售额"，适配复杂统计场景。
1.2 与GROUP BY深度对比
很多开发者在使用时，会混淆窗口函数与GROUP BY聚合函数，二者核心差异体现在数据处理方式、结果行数、计算范围等5个关键维度：
- 数据处理方式：GROUP BY聚合函数，会将相同分组的多行数据合并为一行，仅返回分组汇总结果，彻底丢失单行明细数据；窗口函数则不会合并行，分组后保留所有单行明细，同时在每行新增窗口计算结果，明细与汇总兼顾。
- 结果行数：GROUP BY的结果行数等于分组数量，例如3个部门分组，结果仅返回3行部门汇总数据；窗口函数的结果行数与原表完全一致，原表有9条员工数据，执行窗口函数后仍返回9条数据，仅新增计算列。
- 计算范围：GROUP BY仅能对整个分组做全局聚合，无法精细化控制计算的行范围，例如无法实现"分组内从当前行向前3行的平均薪资"；窗口函数可通过ROWS/RANGE子句自定义分区内的计算行范围，支持累计、移动、首尾行等多种精细化计算。
- SQL执行顺序：GROUP BY的执行时机早于WHERE、HAVING之后，先筛选数据再分组聚合；窗口函数的执行时机晚于WHERE、GROUP BY、HAVING，早于ORDER BY、LIMIT，这也是"窗口函数不能直接写在WHERE子句中"的核心原因。
- 适用场景：GROUP BY适用于简单汇总统计、分组求和/计数，例如"统计每个部门的员工总数""计算每个部门的薪资总额"；窗口函数适用于排名榜单、跨行对比、累计计算、分组TopN、复杂报表、同比环比等场景，例如"每个部门薪资排名""员工薪资与部门平均薪资对比""每日销售额累计求和"。
1.3 语法详解
MySQL窗口函数的标准语法遵循"函数+OVER子句"的结构，OVER子句是窗口函数的核心，所有分区、排序、范围控制，均通过OVER子句实现：
-- 完整语法
窗口函数名([参数]) OVER (
PARTITION BY 分区字段1, 分区字段2... -- 分区子句：可选，划分数据窗口（核心）
ORDER BY 排序字段1 [ASC/DESC], 排序字段2... -- 排序子句：可选，分区内排序（影响排名、累计结果）
[ROWS | RANGE] BETWEEN 起始边界 AND 结束边界 -- 帧边界子句：可选，定义计算行范围
) AS 计算结果别名关键字逐句拆解（结合开发场景，说明使用注意事项）：
- 窗口函数名：MySQL内置的窗口函数分为四大类（排名类、聚合类、跨行取值类、分布类），不同函数的参数要求不同，例如排名类函数无需参数，分位数函数需要指定分位值参数，后续会详细讲解。
- OVER关键字 ：窗口函数的**唯一标识，必须存在！**如果省略OVER子句，该函数会变成普通聚合函数，这是区分窗口函数与普通聚合函数的关键。
- PARTITION BY子句：分区关键字，核心作用是将整个数据集按指定字段拆分为多个独立的子窗口，每个子窗口内的计算相互独立。例如"PARTITION BY dept_name"表示按部门拆分窗口，技术部、产品部、销售部分别作为独立窗口计算。省略PARTITION BY时，整张表作为一个统一窗口计算。
- ORDER BY子句：分区内排序关键字，用于指定每个子窗口内的数据排序规则，直接影响排名类、累计类、跨行取值类窗口函数的结果。注意：排名类函数（ROW_NUMBER()、RANK()等）必须搭配ORDER BY使用，否则排名结果混乱；累计类函数（SUM()、AVG()等）搭配ORDER BY时，默认按"分区首行到当前行"累计计算。
- ROWS/RANGE子句（帧边界）：用于精确控制窗口内参与计算的行范围，是窗口函数精细化计算的核心，分为ROWS和RANGE两种类型，二者差异显著，开发中需按需选择：
- ROWS：基于物理行定位，精准控制行数，例如"ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING"表示"当前行向前1行 + 当前行 + 当前行向后1行"，共3行数据参与计算。开发首选ROWS，性能极高，适合明确行数范围的场景（如移动平均、近N行统计）。
- RANGE：基于数值范围定位，适用于连续数值（如薪资、金额）或日期区间，例如"RANGE BETWEEN 1000 PRECEDING AND 1000 FOLLOWING"表示"当前行数值±1000范围内的所有行"。大数据量下RANGE性能较差，慎用，仅在需要按数值范围计算时使用。
帧边界参数
帧边界的参数决定了窗口内参与计算的行范围，MySQL提供5种常用帧边界参数。
常用帧边界参数：
- UNBOUNDED PRECEDING：表示"分区的第一行"，无边界起点，常用于"从分区首行到当前行""全分区范围"的计算，例如累计求和、全分区极值获取。
- CURRENT ROW：表示"当前行"，是帧边界的核心参数，几乎所有精细化计算都需要用到，例如"当前行向前1行+当前行""当前行+向后1行"。
- N PRECEDING：表示"当前行向前N行"，N为正整数，例如"1 PRECEDING"是当前行前1行，"2 PRECEDING"是当前行前2行，适用于移动平均、近N行统计。
- N FOLLOWING：表示"当前行向后N行"，N为正整数，例如"1 FOLLOWING"是当前行后1行，"3 FOLLOWING"是当前行后3行，适用于跨多行数据对比。
- UNBOUNDED FOLLOWING：表示"分区的最后一行"，无边界终点，常用于"全分区范围"计算，尤其是LAST_VALUE()函数（后续会详细讲解）。
帧边界默认规则：
- 情况1：仅写OVER()，无PARTITION BY、无ORDER BY、无帧边界：整个数据集作为一个窗口，所有行参与计算，例如"SUM(salary) OVER()"表示计算全表薪资总和，每行返回相同的总和值。
- 情况2：OVER(PARTITION BY 字段)，无ORDER BY、无帧边界：每个分区内的所有行参与计算，例如"SUM(salary) OVER(PARTITION BY dept_name)"表示计算每个部门的薪资总和，同部门每行返回相同的部门总和。
- 情况3：OVER(ORDER BY 字段)，无PARTITION BY、无帧边界：默认帧边界为"RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW"，即从数据集首行到当前行参与计算，常用于累计求和、累计计数。
- 情况4：OVER(PARTITION BY 字段 ORDER BY 字段)，无帧边界：默认帧边界为"RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW"，即从每个分区的首行到当前行参与计算，这是累计类窗口函数的常用写法。
补充说明：开发中，若需要自定义帧边界，建议明确指定ROWS/RANGE，避免依赖默认规则导致结果错误；尤其是使用LAST_VALUE()函数时，必须指定全分区帧边界（UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING），否则会出现结果异常。
二、统一测试数据表
本文采用3张业务表，覆盖薪资统计、电商交易、业绩分析三大高频场景，所有案例均基于这3张表编写。
2.1 员工表（emp）：人事薪资场景（排名、聚合、跨行对比案例专用）
用于演示排名类、聚合类、跨行取值类窗口函数，包含员工姓名、部门、岗位、薪资、奖金、入职日期等核心字段，贴合人事统计场景。
-- 创建员工表（表结构，含注释）
CREATE TABLE emp (
id INT PRIMARY KEY AUTO_INCREMENT COMMENT '员工主键ID，自增',
emp_name VARCHAR(30) NOT NULL COMMENT '员工姓名',
dept_name VARCHAR(30) NOT NULL COMMENT '所属部门',
job VARCHAR(30) NOT NULL COMMENT '岗位名称',
salary DECIMAL(10,2) NOT NULL COMMENT '月度薪资',
bonus DECIMAL(10,2) DEFAULT 0.00 COMMENT '月度奖金，默认0',
hire_date DATE NOT NULL COMMENT '入职日期'
) COMMENT '员工信息表';
-- 插入测试数据（9条数据，覆盖4个部门、不同薪资层级）
INSERT INTO emp (emp_name, dept_name, job, salary, bonus, hire_date)
VALUES
('张三', '技术部', 'Java开发工程师', 15000.00, 2000.00, '2020-01-10'),
('李四', '技术部', '架构师', 28000.00, 5000.00, '2018-05-20'),
('王五', '技术部', 'Java开发工程师', 15000.00, 1800.00, '2021-03-15'),
('赵六', '产品部', '产品经理', 22000.00, 4000.00, '2019-11-01'),
('钱七', '产品部', '产品专员', 14000.00, 1500.00, '2020-07-08'),
('孙八', '运营部', '运营主管', 12000.00, 2500.00, '2021-01-20'),
('周九', '运营部', '运营专员', 9000.00, 1000.00, '2022-09-30'),
('吴十', '销售部', '销售经理', 18000.00, 8000.00, '2019-03-12'),
('郑十一', '销售部', '销售代表', 10000.00, 6000.00, '2022-05-18');2.2 订单明细表（order_detail）：电商交易场景（累计、移动计算案例专用）
用于演示聚合类窗口函数的累计计算、移动计算，包含订单ID、用户ID、商品品类、订单金额、下单时间等核心字段，贴合电商平台订单统计场景。
-- 创建订单明细表（表结构，含注释）
CREATE TABLE order_detail (
order_id INT PRIMARY KEY AUTO_INCREMENT COMMENT '订单ID，自增',
user_id INT NOT NULL COMMENT '用户ID，关联用户表',
goods_category VARCHAR(30) NOT NULL COMMENT '商品品类',
order_amount DECIMAL(10,2) NOT NULL COMMENT '订单金额',
create_time DATE NOT NULL COMMENT '下单时间'
) COMMENT '电商订单明细表';
-- 插入测试数据（9条数据，覆盖4个用户、2个品类、4天时间）
INSERT INTO order_detail (user_id, goods_category, order_amount, create_time)
VALUES
(101, '电子产品', 200.00, '2025-01-01'),
(101, '电子产品', 300.00, '2025-01-02'),
(101, '家居用品', 150.00, '2025-01-03'),
(102, '电子产品', 500.00, '2025-01-01'),
(102, '家居用品', 400.00, '2025-01-02'),
(103, '电子产品', 800.00, '2025-01-01'),
(103, '家居用品', 260.00, '2025-01-03'),
(104, '电子产品', 350.00, '2025-01-02'),
(104, '家居用品', 180.00, '2025-01-04');2.3 销售统计表（sales）：业绩分析场景（同比环比、分布统计案例专用）
用于演示跨行取值类、分布类窗口函数，包含销售记录ID、销售员、销售日期、销售金额等核心字段，贴合销售业绩统计场景。
-- 创建销售统计表（表结构，含注释）
CREATE TABLE sales (
sale_id INT PRIMARY KEY AUTO_INCREMENT COMMENT '销售记录ID，自增',
sale_name VARCHAR(30) NOT NULL COMMENT '销售员姓名',
sale_date DATE NOT NULL COMMENT '销售日期',
sale_amount DECIMAL(10,2) NOT NULL COMMENT '销售金额'
) COMMENT '销售员业绩统计表';
-- 插入测试数据（6条数据，覆盖2个销售员、3天时间）
INSERT INTO sales (sale_name, sale_date, sale_amount)
VALUES
('吴十', '2025-01-01', 5000.00),
('吴十', '2025-01-02', 3000.00),
('吴十', '2025-01-03', 4500.00),
('郑十一', '2025-01-01', 2000.00),
('郑十一', '2025-01-02', 2500.00),
('郑十一', '2025-01-03', 3200.00);三、窗口函数分类
MySQL窗口函数分为四大类：排名类、聚合类、跨行取值类、分布类。
3.1 排名类窗口函数（榜单/TopN核心）
排名类窗口函数是开发中最常用的窗口函数，核心作用是对分区内的数据按指定字段排序，生成对应的排名序号，适配业绩榜单、分组TopN、数据分层等高频场景。
MySQL内置4个排名类窗口函数，分别是ROW_NUMBER()、RANK()、DENSE_RANK()、NTILE(n)，以下逐个拆解。
3.1.1 ROW_NUMBER()：连续唯一排名函数（TopN首选）
核心定义：对分区内的数据按指定字段排序，生成连续、唯一的排名序号，即使有相同值，也不会出现并列排名，序号始终连续递增，是分组取TopN、数据去重、序号生成的首选函数。
语法细节：
-- 语法（无参数，必须搭配ORDER BY）
ROW_NUMBER() OVER (
PARTITION BY 分区字段 -- 可选，不写则全表排名
ORDER BY 排序字段 [ASC/DESC] -- 必选，否则排名混乱
) AS 排名别名底层逻辑：先按PARTITION BY划分分区，每个分区内按ORDER BY指定的字段排序，然后为每个分区内的每行数据分配一个唯一的连续序号，从1开始递增，相同值的行序号不同，无跳跃。
使用注意事项：
- 必须搭配ORDER BY子句，否则排名结果完全混乱，无实际意义；若需按多个字段排序，可在ORDER BY后添加多个字段（例如ORDER BY salary DESC, bonus DESC）。
- PARTITION BY可选，省略时，整张表作为一个分区，生成全表唯一连续排名。
- 适合场景：分组取TopN（如每个部门薪资前2名）、数据去重（如保留每个分组内最新的一条数据）、生成连续序号（如订单序号、员工序号）。
实战案例：按部门统计员工薪资排名（生成连续唯一排名）
-- 需求：按部门分组，统计每个部门内员工的薪资排名（降序），生成连续唯一排名
SELECT
emp_name,
dept_name,
salary,
ROW_NUMBER() OVER (PARTITION BY dept_name ORDER BY salary DESC) AS row_num_rank
FROM emp;全量执行结果：
| emp_name | dept_name | salary | row_num_rank |
|---|---|---|---|
| 李四 | 技术部 | 28000.00 | 1 |
| 张三 | 技术部 | 15000.00 | 2 |
| 王五 | 技术部 | 15000.00 | 3 |
| 赵六 | 产品部 | 22000.00 | 1 |
| 钱七 | 产品部 | 14000.00 | 2 |
| 孙八 | 运营部 | 12000.00 | 1 |
| 周九 | 运营部 | 9000.00 | 2 |
| 吴十 | 销售部 | 18000.00 | 1 |
| 郑十一 | 销售部 | 10000.00 | 2 |
逐行结果解析：
- 技术部有3名员工，李四薪资最高（28000），排名1；张三和王五薪资相同（15000），但ROW_NUMBER()生成连续唯一排名，分别为2和3，无并列。
- 产品部、运营部、销售部均按薪资降序生成连续唯一排名，每个部门的排名从1开始递增，互不干扰（分区独立特性）。
- 若省略PARTITION BY dept_name，会生成全表连续排名，李四薪资最高，排名1，赵六排名2，以此类推。
3.1.2 RANK()：跳跃并列排名函数（业绩榜单专用）
核心定义：对分区内的数据按指定字段排序，支持并列排名，但并列之后会跳过对应的名次，例如两个并列第2名，下一个名次直接为第4名，适合业绩榜单、竞赛排名等允许并列且跳过名次的场景。
语法细节：
-- 语法（无参数，必须搭配ORDER BY）
RANK() OVER (
PARTITION BY 分区字段 -- 可选，不写则全表排名
ORDER BY 排序字段 [ASC/DESC] -- 必选，否则排名混乱
) AS 排名别名底层逻辑：与ROW_NUMBER()类似，先分区、再排序，不同之处在于：当分区内有相同值的行时，会为这些行分配相同的排名序号，后续的排名序号会跳过并列的名次，保持排名的"真实位次"。
使用注意事项：
- 必须搭配ORDER BY子句，否则排名无意义；排序方向（ASC/DESC）直接影响排名结果，降序时数值越大排名越靠前，升序则相反。
- 并列排名后会跳过名次，例如3个并列第1名，下一个名次为第4名，这是与DENSE_RANK()的核心区别。
- 适合场景：业绩榜单（如月度销售排名）、竞赛排名（如考试排名），允许并列，且需要体现"真实位次"。
实战案例：按部门统计员工薪资排名（跳跃并列排名）
-- 需求：按部门分组，统计每个部门内员工的薪资排名（降序），支持并列，并列后跳过名次
SELECT
emp_name,
dept_name,
salary,
RANK() OVER (PARTITION BY dept_name ORDER BY salary DESC) AS rank_rank
FROM emp;全量执行结果：
| emp_name | dept_name | salary | rank_rank |
|---|---|---|---|
| 李四 | 技术部 | 28000.00 | 1 |
| 张三 | 技术部 | 15000.00 | 2 |
| 王五 | 技术部 | 15000.00 | 2 |
| 赵六 | 产品部 | 22000.00 | 1 |
| 钱七 | 产品部 | 14000.00 | 2 |
| 孙八 | 运营部 | 12000.00 | 1 |
| 周九 | 运营部 | 9000.00 | 2 |
| 吴十 | 销售部 | 18000.00 | 1 |
| 郑十一 | 销售部 | 10000.00 | 2 |
逐行结果解析：
- 技术部张三和王五薪资相同（15000），RANK()为二者分配相同的排名2，由于有2个并列第2名，下一个名次直接跳过3，技术部无排名3的员工，体现"真实位次"。
- 其他部门无相同薪资的员工，排名与ROW_NUMBER()一致，从1开始递增，无跳跃。
- 若技术部有3名员工薪资相同（如均为15000），则3人并列第1名，下一个员工排名直接为4，以此类推。
3.1.3 DENSE_RANK()：连续并列排名函数（层级划分专用）
核心定义：对分区内的数据按指定字段排序，支持并列排名，且并列之后不会跳过对应的名次，排名序号始终连续递增，例如两个并列第2名，下一个名次仍为第3名，适合数据分层、等级划分等需要并列且连续排名的场景。
语法细节：
-- 语法（无参数，必须搭配ORDER BY）
DENSE_RANK() OVER (
PARTITION BY 分区字段 -- 可选，不写则全表排名
ORDER BY 排序字段 [ASC/DESC] -- 必选，否则排名混乱
) AS 排名别名底层逻辑：与RANK()、ROW_NUMBER()逻辑一致，先分区、再排序，核心差异在于并列排名后的处理------DENSE_RANK()不会跳过并列名次，无论有多少个并列名次，后续排名均按连续序号递增，确保排名序号无跳跃，仅体现"等级差异"。
使用注意事项：
- 必须搭配ORDER BY子句，排序方向直接决定排名高低，降序时数值越大排名越靠前，升序则相反；多字段排序可在ORDER BY后添加多个字段，按优先级排序。
- 与RANK()的核心区别：并列后是否跳过名次------DENSE_RANK()连续，RANK()跳跃；例如3个并列第1名，DENSE_RANK()下一个名次为2，RANK()下一个名次为4。
- 适合场景：员工等级划分（如S、A、B级对应不同排名区间）、数据分层统计（如高、中、低薪资分层）、无需体现"真实位次"，仅需体现等级的场景。
实战案例：按部门统计员工薪资排名（连续并列排名）
-- 需求：按部门分组，统计每个部门内员工的薪资排名（降序），支持并列，并列后不跳过名次
SELECT
emp_name,
dept_name,
salary,
DENSE_RANK() OVER (PARTITION BY dept_name ORDER BY salary DESC) AS dense_rank_rank
FROM emp;全量执行结果：
| emp_name | dept_name | salary | dense_rank_rank |
|---|---|---|---|
| 李四 | 技术部 | 28000.00 | 1 |
| 张三 | 技术部 | 15000.00 | 2 |
| 王五 | 技术部 | 15000.00 | 2 |
| 赵六 | 产品部 | 22000.00 | 1 |
| 钱七 | 产品部 | 14000.00 | 2 |
| 孙八 | 运营部 | 12000.00 | 1 |
| 周九 | 运营部 | 9000.00 | 2 |
| 吴十 | 销售部 | 18000.00 | 1 |
| 郑十一 | 销售部 | 10000.00 | 2 |
逐行结果解析：
- 技术部张三和王五薪资相同（15000），DENSE_RANK()为二者分配相同的排名2，与RANK()不同的是，后续无跳过名次，技术部3名员工的排名为1、2、2，序号连续，仅体现薪资等级差异。
- 若技术部有3名员工薪资相同（如均为15000），则3人并列第2名，下一个员工排名仍为3，排名序号始终连续，这是DENSE_RANK()最核心的特点。
- 对比ROW_NUMBER()和RANK()：同一部门相同薪资，ROW_NUMBER()生成唯一连续排名，RANK()跳跃排名，DENSE_RANK()连续并列排名，三者按需选择即可。
3.1.4 NTILE(n)：分组排名函数（数据均分专用）
核心定义：将分区内的数据按指定字段排序后，均匀划分为n个组，每个组分配一个唯一的组序号（从1到n），若数据无法被n整除，会将多余的行依次分配到前面的组中，每组行数相差不超过1，适合数据均分、分层抽样、区间划分等场景。
语法细节：
-- 语法（n为正整数，必须搭配ORDER BY）
NTILE(n) OVER (
PARTITION BY 分区字段 -- 可选，不写则全表均分
ORDER BY 排序字段 [ASC/DESC] -- 必选，否则分组无意义
) AS 组序号别名底层逻辑：先按PARTITION BY划分分区，每个分区内按ORDER BY排序，然后计算每个分区的总行数，用总行数除以n，得到每组的基础行数；若有余数，多余的行从第1组开始依次分配1行，确保每组行数相差不超过1，最终每个行分配对应的组序号。
使用注意事项：
- n必须是正整数，例如NTILE(3)表示划分为3组，NTILE(5)表示划分为5组；若n大于分区内总行数，每个行将单独成为一组，组序号从1到总行数。
- 必须搭配ORDER BY子句，排序方向决定分组的数值分布，例如按薪资降序分组，第1组为薪资最高的行，第n组为薪资最低的行。
- 适合场景：数据分层抽样（如将用户按消费金额均分3组，抽取每组10%用户）、业绩区间划分（如将销售员业绩均分5组，对应5个业绩等级）、大数据量均分统计。
实战案例：按部门将员工薪资均分3组（高、中、低薪资分层）
-- 需求：按部门分组，将每个部门内的员工按薪资降序均分3组，生成组序号（1=高薪组，2=中薪组，3=低薪组）
SELECT
emp_name,
dept_name,
salary,
NTILE(3) OVER (PARTITION BY dept_name ORDER BY salary DESC) AS salary_group
FROM emp;全量执行结果：
| emp_name | dept_name | salary | salary_group |
|---|---|---|---|
| 李四 | 技术部 | 28000.00 | 1 |
| 张三 | 技术部 | 15000.00 | 2 |
| 王五 | 技术部 | 15000.00 | 3 |
| 赵六 | 产品部 | 22000.00 | 1 |
| 钱七 | 产品部 | 14000.00 | 2 |
| 孙八 | 运营部 | 12000.00 | 1 |
| 周九 | 运营部 | 9000.00 | 2 |
| 吴十 | 销售部 | 18000.00 | 1 |
| 郑十一 | 销售部 | 10000.00 | 2 |
逐行结果解析：
- 技术部有3名员工，NTILE(3)将其均匀划分为3组，每组1人，李四（高薪）为组1，张三（中薪）为组2，王五（中薪）为组3，符合"薪资降序分层"需求。
- 产品部、运营部、销售部均只有2名员工，NTILE(3)无法均匀划分（2<3），此时每组最多1人，多余的组序号不生成，因此这3个部门的组序号仅为1和2，无组3。
- 若某部门有7名员工，NTILE(3)划分后，每组行数分别为3、2、2（7÷3=2余1，多余1行分配到第1组），确保每组行数相差不超过1，体现"均匀划分"的核心逻辑。
3.2 聚合类窗口函数（明细+汇总同屏）
聚合类窗口函数是将普通聚合函数（SUM、AVG、COUNT等）与窗口函数结合，核心作用是对分区内的指定窗口进行聚合计算，保留原表明细数据，同时在每行新增聚合结果，实现"单行明细+分组汇总"同屏展示，无需额外关联表，大幅简化SQL编写，是报表开发、数据统计的高频函数。
MySQL支持的聚合类窗口函数：SUM()、AVG()、COUNT()、MAX()、MIN()。
3.2.1 SUM()：窗口求和函数（累计/分组求和专用）
核心定义：对分区内指定窗口的目标字段进行求和计算，可实现全分区求和、累计求和、移动求和等多种场景，保留原表明细，每行返回对应窗口的求和结果，是销售额统计、薪资总额统计、累计数据统计的核心函数。
语法细节：
-- 语法（参数为求和字段，可选搭配帧边界）
SUM(目标字段) OVER (
PARTITION BY 分区字段 -- 可选，不写则全表求和
ORDER BY 排序字段 [ASC/DESC] -- 可选，影响累计求和结果
[ROWS | RANGE] BETWEEN 起始边界 AND 结束边界 -- 可选，定义求和窗口范围
) AS 求和结果别名底层逻辑：先按PARTITION BY划分分区，每个分区内按ORDER BY排序（无ORDER BY则不排序），再按帧边界定义的范围，对目标字段进行求和，每行返回当前窗口的求和结果；无帧边界时，按默认规则确定求和范围（前文已详细说明）。
使用注意事项：
- 目标字段需为数值类型（INT、DECIMAL等），若字段包含NULL值，SUM()会自动忽略NULL值，不影响求和结果。
- 搭配ORDER BY时，默认帧边界为"RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW"，即累计求和；不搭配ORDER BY时，默认帧边界为"RANGE BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING"，即全分区求和。
- 适合场景：每日销售额累计求和、每个部门薪资总额统计、员工薪资与部门薪资总和对比、近N天金额移动求和。
实战案例1：全分区求和（每个部门薪资总额，明细+汇总同屏）
-- 需求：查询员工明细，同时显示每个部门的薪资总额（全分区求和）
SELECT
emp_name,
dept_name,
salary,
-- 每个部门薪资总额（全分区求和，同部门所有行返回相同结果）
SUM(salary) OVER (PARTITION BY dept_name) AS dept_salary_total
FROM emp;全量执行结果：
| emp_name | dept_name | salary | dept_salary_total |
|---|---|---|---|
| 李四 | 技术部 | 28000.00 | 58000.00 |
| 张三 | 技术部 | 15000.00 | 58000.00 |
| 王五 | 技术部 | 15000.00 | 58000.00 |
| 赵六 | 产品部 | 22000.00 | 36000.00 |
| 钱七 | 产品部 | 14000.00 | 36000.00 |
| 孙八 | 运营部 | 12000.00 | 21000.00 |
| 周九 | 运营部 | 9000.00 | 21000.00 |
| 吴十 | 销售部 | 18000.00 | 28000.00 |
| 郑十一 | 销售部 | 10000.00 | 28000.00 |
逐行结果解析：
- 按dept_name分区，每个分区内所有行的dept_salary_total（部门薪资总额）相同，例如技术部3名员工的薪资总和为28000+15000+15000=58000，因此技术部所有行均返回58000。
- 无需使用GROUP BY分组后再关联原表，仅用SUM() OVER()即可实现"明细+汇总"同屏，大幅简化SQL编写，提升开发效率。
- 若省略PARTITION BY dept_name，会计算全表薪资总和（58000+36000+21000+28000=143000），所有行均返回143000。
实战案例2：累计求和（每日订单金额累计统计）
-- 需求：按用户分组，按下单时间升序，统计每个用户的订单金额累计求和（从首单到当前单）
SELECT
user_id,
create_time,
order_amount,
-- 累计求和：从分区首行（用户首单）到当前行
SUM(order_amount) OVER (
PARTITION BY user_id
ORDER BY create_time ASC
ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
) AS cumulative_amount
FROM order_detail;全量执行结果：
| user_id | create_time | order_amount | cumulative_amount |
|---|---|---|---|
| 101 | 2025-01-01 | 200.00 | 200.00 |
| 101 | 2025-01-02 | 300.00 | 500.00 |
| 101 | 2025-01-03 | 150.00 | 650.00 |
| 102 | 2025-01-01 | 500.00 | 500.00 |
| 102 | 2025-01-02 | 400.00 | 900.00 |
| 103 | 2025-01-01 | 800.00 | 800.00 |
| 103 | 2025-01-03 | 260.00 | 1060.00 |
| 104 | 2025-01-02 | 350.00 | 350.00 |
| 104 | 2025-01-04 | 180.00 | 530.00 |
逐行结果解析：
- 按user_id分区，每个用户作为独立窗口，按create_time升序排序，帧边界指定为"从分区首行到当前行"，实现累计求和。
- 用户101的3笔订单，累计金额依次为200（首单）、200+300=500（前两单）、500+150=650（三单合计），符合累计统计需求。
- 若省略帧边界，因搭配了ORDER BY，默认帧边界也是"RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW"，结果与指定帧边界一致；若需修改累计范围，可调整帧边界参数（如近2单累计）。
3.2.2 AVG()：窗口平均函数（分组/移动平均专用）
核心定义：对分区内指定窗口的目标字段进行平均值计算，可实现全分区平均、累计平均、移动平均等场景，保留原表明细，每行返回对应窗口的平均结果，适合薪资平均、订单金额平均、数据趋势分析等场景。
语法细节：
-- 语法（参数为求平均字段，可选搭配帧边界）
AVG(目标字段) OVER (
PARTITION BY 分区字段 -- 可选，不写则全表求平均
ORDER BY 排序字段 [ASC/DESC] -- 可选，影响累计平均结果
[ROWS | RANGE] BETWEEN 起始边界 AND 结束边界 -- 可选，定义求平均窗口范围
) AS 平均结果别名底层逻辑：与SUM()窗口函数一致，先分区、再排序（可选）、再按帧边界定义的范围求平均，每行返回当前窗口的平均值；NULL值会被自动忽略，不影响平均结果。
使用注意事项：
- 目标字段需为数值类型，计算结果默认保留MySQL默认小数位数，可搭配ROUND()函数保留指定小数位数（如ROUND(AVG(salary), 2)保留2位小数）。
- 移动平均场景（如近3天订单金额平均），需使用ROWS帧边界，精准控制行数范围，避免使用RANGE（性能差且不符合需求）。
- 适合场景：每个部门薪资平均值、员工薪资与部门平均薪资对比、近N天数据移动平均、数据趋势平滑分析。
实战案例：员工薪资与部门平均薪资对比（全分区平均）
-- 需求：查询员工明细，显示每个部门的薪资平均值，同时计算员工薪资与部门平均薪资的差值
SELECT
emp_name,
dept_name,
salary,
-- 部门薪资平均值（保留2位小数）
ROUND(AVG(salary) OVER (PARTITION BY dept_name), 2) AS dept_salary_avg,
-- 员工薪资与部门平均薪资的差值（保留2位小数）
ROUND(salary - AVG(salary) OVER (PARTITION BY dept_name), 2) AS salary_diff
FROM emp;全量执行结果：
| emp_name | dept_name | salary | dept_salary_avg | salary_diff |
|---|---|---|---|---|
| 李四 | 技术部 | 28000.00 | 19333.33 | 8666.67 |
| 张三 | 技术部 | 15000.00 | 19333.33 | -4333.33 |
| 王五 | 技术部 | 15000.00 | 19333.33 | -4333.33 |
| 赵六 | 产品部 | 22000.00 | 18000.00 | 4000.00 |
| 钱七 | 产品部 | 14000.00 | 18000.00 | -4000.00 |
| 孙八 | 运营部 | 12000.00 |
逐行结果解析：
- 按dept_name分区计算部门薪资平均值，技术部3名员工薪资平均为58000÷3≈19333.33，李四薪资高于平均值8666.67，张三和王五低于平均值4333.33，差值计算精准。
- 产品部2名员工薪资平均为36000÷2=18000.00，赵六薪资高于平均值4000.00，钱七低于平均值4000.00，符合实际计算逻辑。
- 搭配ROUND()函数将结果保留2位小数，符合报表数据展示规范；若不使用ROUND()，MySQL会默认返回多位小数，影响可读性。
实战案例2：移动平均（近2天订单金额移动平均）
-- 需求：按商品品类分组，按下单时间升序，计算每个品类近2天（当前行+前1行）的订单金额移动平均
SELECT
goods_category,
create_time,
order_amount,
-- 移动平均：当前行向前1行 + 当前行（近2天）
ROUND(AVG(order_amount) OVER (
PARTITION BY goods_category
ORDER BY create_time ASC
ROWS BETWEEN 1 PRECEDING AND CURRENT ROW
), 2) AS moving_avg_2d
FROM order_detail;全量执行结果：
| goods_category | create_time | order_amount | moving_avg_2d |
|---|---|---|---|
| 电子产品 | 2025-01-01 | 200.00 | 200.00 |
| 电子产品 | 2025-01-01 | 500.00 | 350.00 |
| 电子产品 | 2025-01-01 | 800.00 | 650.00 |
| 电子产品 | 2025-01-02 | 300.00 | 550.00 |
| 电子产品 | 2025-01-02 | 350.00 | 325.00 |
| 家居用品 | 2025-01-02 | 400.00 | 400.00 |
| 家居用品 | 2025-01-03 | 150.00 | 275.00 |
| 家居用品 | 2025-01-03 | 260.00 | 205.00 |
| 家居用品 | 2025-01-04 | 180.00 | 220.00 |
逐行结果解析：
- 按goods_category分区，每个品类作为独立窗口，按create_time升序排序，帧边界指定为"当前行向前1行+当前行"，实现近2天移动平均。
- 电子产品首行（2025-01-01 200.00）无前1行，移动平均即为自身数值200.00；第二行（500.00）移动平均为(200+500)÷2=350.00，第三行（800.00）移动平均为(500+800)÷2=650.00，以此类推，符合移动平均逻辑。
- 移动平均常用于数据趋势平滑分析，例如通过近N天订单金额平均，消除单日数据波动，更清晰看到品类销售趋势；若需调整移动天数，修改"1 PRECEDING"为对应数值即可（如近3天改为"2 PRECEDING"）。
3.2.3 COUNT()：窗口计数函数（分组/累计计数专用）
核心定义：对分区内指定窗口的行进行计数，可实现全分区计数、累计计数、移动计数等场景，保留原表明细，每行返回对应窗口的计数结果，适合员工数量统计、订单数量统计、数据行数统计等场景。
语法细节：
-- 语法（参数可指定字段或用*，可选搭配帧边界）
COUNT(字段/*) OVER (
PARTITION BY 分区字段 -- 可选，不写则全表计数
ORDER BY 排序字段 [ASC/DESC] -- 可选，影响累计计数结果
[ROWS | RANGE] BETWEEN 起始边界 AND 结束边界 -- 可选，定义计数窗口范围
) AS 计数结果别名底层逻辑：与SUM()、AVG()窗口函数一致，先分区、再排序（可选）、再按帧边界定义的范围计数；COUNT(*)计数包含NULL值，COUNT(字段)计数忽略该字段为NULL的行，这是核心使用差异。
使用注意事项：
- COUNT(*)适用于"统计窗口内总行数"，无论字段是否为NULL；COUNT(字段)适用于"统计窗口内该字段非NULL的行数"，例如COUNT(bonus)统计有奖金的员工数量。
- 累计计数场景（如按时间累计订单数），搭配ORDER BY后，默认按"分区首行到当前行"计数，无需额外指定帧边界。
- 适合场景：每个部门员工数量、每个用户累计订单数、有奖金的员工数量统计、近N天订单数量移动计数。
实战案例：每个部门员工数量+每个用户累计订单数（双场景覆盖）
-- 场景1：查询员工明细，统计每个部门的员工总数（全分区计数）
SELECT
emp_name,
dept_name,
COUNT(*) OVER (PARTITION BY dept_name) AS dept_emp_count
FROM emp;
-- 场景2：查询订单明细，按用户分组、下单时间升序，统计每个用户累计订单数（累计计数）
SELECT
user_id,
create_time,
order_amount,
COUNT(*) OVER (
PARTITION BY user_id
ORDER BY create_time ASC
) AS cumulative_order_count
FROM order_detail;场景1全量执行结果：
| emp_name | dept_name | dept_emp_count |
|---|---|---|
| 李四 | 技术部 | 3 |
| 张三 | 技术部 | 3 |
| 王五 | 技术部 | 3 |
| 赵六 | 产品部 | 2 |
| 钱七 | 产品部 | 2 |
| 孙八 | 运营部 | 2 |
| 周九 | 运营部 | 2 |
| 吴十 | 销售部 | 2 |
| 郑十一 | 销售部 | 2 |
场景2全量执行结果：
| user_id | create_time | order_amount | cumulative_order_count |
|---|---|---|---|
| 101 | 2025-01-01 | 200.00 | 1 |
| 101 | 2025-01-02 | 300.00 | 2 |
| 101 | 2025-01-03 | 150.00 | 3 |
| 102 | 2025-01-01 | 500.00 | 1 |
| 102 | 2025-01-02 | 400.00 | 2 |
| 103 | 2025-01-01 | 800.00 | 1 |
| 103 | 2025-01-03 | 260.00 | 2 |
| 104 | 2025-01-02 | 350.00 | 1 |
| 104 | 2025-01-04 | 180.00 | 2 |
逐行结果解析：
- 场景1：COUNT(*)按dept_name分区计数，技术部3名员工，计数结果为3；其他部门各2名员工，计数结果为2，准确反映每个部门的员工总数，且保留员工明细。
- 场景2：COUNT(*)按user_id分区、create_time升序排序，默认帧边界为"分区首行到当前行"，实现累计订单数统计；用户101的3笔订单，累计计数依次为1、2、3，清晰体现用户订单累积过程。
- 若需统计"有奖金的员工数量"，可将COUNT(*)改为COUNT(bonus)，此时会忽略bonus为0.00的员工（若bonus为NULL则忽略，本文测试数据bonus默认0.00，需结合实际场景调整）。
3.2.4 MAX()/MIN()：窗口极值函数（分组/区间极值专用）
核心定义：MAX()用于获取分区内指定窗口的目标字段最大值，MIN()用于获取最小值，可实现全分区极值、累计极值、移动极值等场景，保留原表明细，每行返回对应窗口的极值结果，适合薪资最高/最低、订单金额最大/最小、区间极值统计等场景。
语法细节（MAX()与MIN()用法一致，仅逻辑相反）：
-- MAX()语法
MAX(目标字段) OVER (
PARTITION BY 分区字段 -- 可选，不写则全表求最大
ORDER BY 排序字段 [ASC/DESC] -- 可选，影响累计极值结果
[ROWS | RANGE] BETWEEN 起始边界 AND 结束边界 -- 可选，定义极值窗口范围
) AS 最大值别名
-- MIN()语法
MIN(目标字段) OVER (
PARTITION BY 分区字段 -- 可选，不写则全表求最小
ORDER BY 排序字段 [ASC/DESC] -- 可选，影响累计极值结果
[ROWS | RANGE] BETWEEN 起始边界 AND 结束边界 -- 可选，定义极值窗口范围
) AS 最小值别名底层逻辑：与其他聚合类窗口函数一致，先分区、再排序（可选）、再按帧边界定义的范围获取极值；NULL值会被自动忽略，不影响极值结果。
使用注意事项：
- 目标字段需为数值类型，MAX()和MIN()可搭配ORDER BY调整极值统计逻辑，例如按薪资升序排序，累计MAX()会逐步更新最大值，累计MIN()则保持不变。
- 全分区极值场景（如每个部门最高薪资），无需搭配ORDER BY和帧边界，直接用"MAX(字段) OVER (PARTITION BY 分区字段)"即可，简洁高效。
- 适合场景：每个部门最高/最低薪资、每个用户最大/最小订单金额、近N天数据极值、累计极值跟踪。
实战案例：每个部门最高/最低薪资+每个用户最大订单金额（双场景覆盖）
-- 场景1：查询员工明细，显示每个部门的最高薪资和最低薪资（全分区极值）
SELECT
emp_name,
dept_name,
salary,
MAX(salary) OVER (PARTITION BY dept_name) AS dept_max_salary,
MIN(salary) OVER (PARTITION BY dept_name) AS dept_min_salary
FROM emp;
-- 场景2：查询订单明细，按用户分组、下单时间升序，统计每个用户累计最大订单金额（累计极值）
SELECT
user_id,
create_time,
order_amount,
MAX(order_amount) OVER (
PARTITION BY user_id
ORDER BY create_time ASC
) AS cumulative_max_amount
FROM order_detail;场景1全量执行结果：
| emp_name | dept_name | salary | dept_max_salary | dept_min_salary |
|---|---|---|---|---|
| 李四 | 技术部 | 28000.00 | 28000.00 | 15000.00 |
| 张三 | 技术部 | 15000.00 | 28000.00 | 15000.00 |
| 王五 | 技术部 | 15000.00 | 28000.00 | 15000.00 |
| 赵六 | 产品部 | 22000.00 | 22000.00 | 14000.00 |
| 钱七 | 产品部 | 14000.00 | 22000.00 | 14000.00 |
| 孙八 | 运营部 | 12000.00 | 12000.00 | 9000.00 |
| 周九 | 运营部 | 9000.00 | 12000.00 | 9000.00 |
| 吴十 | 销售部 | 18000.00 | 18000.00 | 10000.00 |
| 郑十一 | 销售部 | 10000.00 | 18000.00 | 10000.00 |
场景2全量执行结果：
场景2全量执行结果：
| user_id | create_time | order_amount | cumulative_max_amount |
|---|---|---|---|
| 101 | 2025-01-01 | 200.00 | 200.00 |
| 101 | 2025-01-02 | 300.00 | 300.00 |
| 101 | 2025-01-03 | 150.00 | 300.00 |
| 102 | 2025-01-01 | 500.00 | 500.00 |
| 102 | 2025-01-02 | 400.00 | 500.00 |
| 103 | 2025-01-01 | 800.00 | 800.00 |
| 103 | 2025-01-03 | 260.00 | 800.00 |
| 104 | 2025-01-02 | 350.00 | 350.00 |
| 104 | 2025-01-04 | 180.00 | 350.00 |
逐行结果解析：
- 场景1：MAX(salary)和MIN(salary)按dept_name分区获取极值，技术部最高薪资28000.00（李四）、最低薪资15000.00（张三、王五），其他部门也精准返回对应极值，且保留员工明细，便于对比员工薪资与部门极值的差距。
- 场景2：MAX(order_amount)按user_id分区、create_time升序排序，默认帧边界为"分区首行到当前行"，实现累计最大订单金额跟踪；用户101首单金额200.00，累计最大为200.00，第二单300.00超过首单，累计最大更新为300.00，第三单150.00未超过，累计最大保持300.00，符合累计极值逻辑。
- 若需统计"近3天订单最大金额"，可添加帧边界"ROWS BETWEEN 2 PRECEDING AND CURRENT ROW"，实现移动极值统计，精准捕捉区间内的最大值变化。
3.3 跨行取值类窗口函数（同比环比/上下行对比核心）
跨行取值类窗口函数核心作用是"获取同一分区内，当前行的上一行、下一行，或指定行数的字段值"，无需关联表，即可实现上下行数据对比、同比环比计算、数据差值统计等场景，大幅简化SQL编写，提升开发效率。
MySQL内置3个核心跨行取值函数：LAG()、LEAD()、FIRST_VALUE()/LAST_VALUE()，以下逐个拆解。
3.3.1 LAG()：取上一行数据函数（环比/上周期对比专用）
核心定义：在分区内按指定字段排序后，获取当前行的上N行（默认上1行）的指定字段值，若上N行不存在，返回NULL；适合环比计算（如当日销售额对比昨日）、上周期数据对比、上下行差值统计等高频场景。
语法细节：
-- 语法（3个参数，后2个可选）
LAG(目标字段, N, 默认值) OVER (
PARTITION BY 分区字段 -- 可选，不写则全表跨行取值
ORDER BY 排序字段 [ASC/DESC] -- 必选，否则跨行逻辑混乱
) AS 上一行字段别名
-- 参数说明：
-- 目标字段：要获取的上一行字段（必须）
-- N：要获取的上N行，默认1（可选，如N=2表示上2行）
-- 默认值：上N行不存在时返回的值，默认NULL（可选）底层逻辑：先按PARTITION BY划分分区，每个分区内按ORDER BY排序，然后为每个行定位到"当前行向上N行"的位置，提取该位置的目标字段值；若向上N行超出分区范围（如首行取上1行），则返回默认值（NULL或自定义值）。
使用注意事项：
- 必须搭配ORDER BY子句，排序方向决定"上一行"的逻辑（如按时间升序，上一行是前一天；按时间降序，上一行是后一天）。
- N必须是正整数，默认值需与目标字段类型一致（如目标字段是DECIMAL，默认值可设为0.00；是VARCHAR，可设为'无'）。
- 适合场景：销售额环比（当日对比昨日）、员工薪资对比上一位员工、订单金额对比上一笔订单、上周期数据统计。
实战案例：销售员每日销售额环比（当日对比昨日）
-- 需求：按销售员分组，按销售日期升序，计算每日销售额、昨日销售额、环比差值、环比增长率
SELECT
sale_name,
sale_date,
sale_amount,
-- 取上1行（昨日）销售额，无昨日数据返回0.00
LAG(sale_amount, 1, 0.00) OVER (
PARTITION BY sale_name
ORDER BY sale_date ASC
) AS yesterday_amount,
-- 环比差值（当日 - 昨日）
sale_amount - LAG(sale_amount, 1, 0.00) OVER (
PARTITION BY sale_name
ORDER BY sale_date ASC
) AS month_on_month_diff,
-- 环比增长率（保留2位小数，避免除以0）
ROUND(
(sale_amount - LAG(sale_amount, 1, 0.00) OVER (
PARTITION BY sale_name
ORDER BY sale_date ASC
)) / NULLIF(LAG(sale_amount, 1, 0.00) OVER (
PARTITION BY sale_name
ORDER BY sale_date ASC
), 0) * 100,
2
) AS month_on_month_rate
FROM sales;全量执行结果：
| sale_name | sale_date | sale_amount | yesterday_amount | month_on_month_diff | month_on_month_rate |
|---|---|---|---|---|---|
| 吴十 | 2025-01-01 | 5000.00 | 0.00 | 5000.00 | NULL |
| 吴十 | 2025-01-02 | 3000.00 | 5000.00 | -2000.00 | -40.00 |
| 吴十 | 2025-01-03 | 4500.00 | 3000.00 | 1500.00 | 50.00 |
| 郑十一 | 2025-01-01 | 2000.00 | 0.00 | 2000.00 | NULL |
| 郑十一 | 2025-01-02 | 2500.00 | 2000.00 | 500.00 | 25.00 |
| 郑十一 | 2025-01-03 | 3200.00 | 2500.00 | 700.00 | 28.00 |
逐行结果解析：
- 按sale_name分区，按sale_date升序排序，LAG(sale_amount, 1, 0.00)获取每个销售员上1天的销售额，首天（2025-01-01）无昨日数据，返回默认值0.00。
- 吴十2025-01-02销售额3000.00，昨日销售额5000.00，环比差值-2000.00，环比增长率-40.00%（下降40%）；2025-01-03销售额4500.00，昨日3000.00，环比增长50.00%，计算精准。
- 使用NULLIF()函数避免环比增长率计算时"除以0"的错误（首天昨日销售额为0，除以0会报错，NULLIF将0转为NULL，ROUND函数遇到NULL返回NULL），符合开发规范。
3.3.2 LEAD()：取下一行数据函数（下周期/后续数据对比专用）
核心定义：与LAG()逻辑相反，在分区内按指定字段排序后，获取当前行的下N行（默认下1行）的指定字段值，若下N行不存在，返回NULL；适合下周期数据对比、后续订单预测、上下行数据联动等场景。
语法细节：
-- 语法（3个参数，后2个可选，与LAG()完全一致）
LEAD(目标字段, N, 默认值) OVER (
PARTITION BY 分区字段 -- 可选，不写则全表跨行取值
ORDER BY 排序字段 [ASC/DESC] -- 必选，否则跨行逻辑混乱
) AS 下一行字段别名
-- 参数说明与LAG()一致：目标字段（必须）、N（默认1，可选）、默认值（默认NULL，可选）底层逻辑：与LAG()对称，先分区、再排序，为每个行定位到"当前行向下N行"的位置，提取该位置的目标字段值；若向下N行超出分区范围（如末行取下1行），则返回默认值。
使用注意事项：
- 必须搭配ORDER BY子句，排序方向直接影响"下一行"的逻辑（如按时间升序，下一行是后一天；按时间降序，下一行是前一天）。
- 与LAG()的核心区别：LAG()取上一行，LEAD()取下一行，二者可搭配使用，实现上下行双向对比。
- 适合场景：销售额对比明日、员工薪资对比下一位员工、订单金额对比下一笔订单、后续数据提前预览。
实战案例：销售员每日销售额对比明日（下一行数据对比）
-- 需求：按销售员分组，按销售日期升序，计算每日销售额、明日销售额、差值
SELECT
sale_name,
sale_date,
sale_amount,
-- 取下1行（明日）销售额，无明日数据返回0.00
LEAD(sale_amount, 1, 0.00) OVER (
PARTITION BY sale_name
ORDER BY sale_date ASC
) AS tomorrow_amount,
-- 差值（当日 - 明日）
sale_amount - LEAD(sale_amount, 1, 0.00) OVER (
PARTITION BY sale_name
ORDER BY sale_date ASC
) AS diff_with_tomorrow
FROM sales;全量执行结果：
| sale_name | sale_date | sale_amount | tomorrow_amount | diff_with_tomorrow |
|---|---|---|---|---|
| 吴十 | 2025-01-01 | 5000.00 | 3000.00 | 2000.00 |
| 吴十 | 2025-01-02 | 3000.00 | 4500.00 | -1500.00 |
| 吴十 | 2025-01-03 | 4500.00 | 0.00 | 4500.00 |
| 郑十一 | 2025-01-01 | 2000.00 | 2500.00 | -500.00 |
| 郑十一 | 2025-01-02 | 2500.00 | 3200.00 | -700.00 |
| 郑十一 | 2025-01-03 | 3200.00 | 0.00 | 3200.00 |
逐行结果解析：
- 按sale_name分区、sale_date升序排序，LEAD(sale_amount, 1, 0.00)获取每个销售员下1天的销售额，末天（2025-01-03）无明日数据，返回默认值0.00。
- 吴十2025-01-01销售额5000.00，明日销售额3000.00，差值2000.00（当日高于明日）；2025-01-02销售额3000.00，明日4500.00，差值-1500.00（当日低于明日），逻辑清晰。
- LEAD()与LAG()搭配，可同时获取当前行的上一行和下一行数据，实现"昨日-今日-明日"三方对比，满足更复杂的数据分析需求（如趋势预判）。
3.3.3 FIRST_VALUE()/LAST_VALUE()：取分区首尾行数据函数（区间首尾对比专用）
核心定义：FIRST_VALUE()用于获取分区内按指定字段排序后首行 的指定字段值，LAST_VALUE()用于获取分区内排序后末行的指定字段值；无需手动定位首尾行，直接获取区间首尾数据，适合首尾对比、区间极值确认、首末数据统计等场景。
语法细节（二者用法一致，仅获取位置不同）：
-- FIRST_VALUE()：取分区首行数据
FIRST_VALUE(目标字段) OVER (
PARTITION BY 分区字段 -- 可选，不写则全表取首行
ORDER BY 排序字段 [ASC/DESC] -- 必选，否则首尾行无意义
[ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW] -- 可选，调整窗口范围
) AS 首行字段别名
-- LAST_VALUE()：取分区末行数据
LAST_VALUE(目标字段) OVER (
PARTITION BY 分区字段 -- 可选，不写则全表取末行
ORDER BY 排序字段 [ASC/DESC] -- 必选，否则首尾行无意义
ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING -- 必选，否则默认窗口范围错误
) AS 末行字段别名底层逻辑：
- FIRST_VALUE()：先分区、再排序，默认窗口范围为"分区首行到当前行"，因此所有行返回的都是分区首行的目标字段值（无需调整窗口范围）。
- LAST_VALUE()：默认窗口范围为"分区首行到当前行"，若不调整为"当前行到分区末行"，会返回"首行到当前行"的末行（即当前行），无法获取整个分区的末行，因此必须指定帧边界。
使用注意事项：
- 二者均必须搭配ORDER BY子句，排序方向决定首尾行的逻辑（如按薪资降序，首行是最高薪资，末行是最低薪资）。
- LAST_VALUE()必须指定帧边界"ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING"，否则结果错误（返回当前行自身），这是最容易踩坑的点。
- 适合场景：每个部门最高/最低薪资（替代MAX/MIN，更直观）、每个用户首单/末单金额、区间首尾数据对比、首末时间统计。
实战案例：每个部门首行（最高薪资）、末行（最低薪资）员工及薪资对比
-- 需求：按部门分组，按薪资降序排序，获取每个部门首行（最高薪资）、末行（最低薪资）的员工姓名和薪资
SELECT
emp_name,
dept_name,
salary,
-- 取分区首行（最高薪资）员工姓名和薪资
FIRST_VALUE(emp_name) OVER (
PARTITION BY dept_name
ORDER BY salary DESC
) AS dept_first_emp,
FIRST_VALUE(salary) OVER (
PARTITION BY dept_name
ORDER BY salary DESC
) AS dept_first_salary,
-- 取分区末行（最低薪资）员工姓名和薪资，必须指定帧边界
LAST_VALUE(emp_name) OVER (
PARTITION BY dept_name
ORDER BY salary DESC
ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING
) AS dept_last_emp,
LAST_VALUE(salary) OVER (
PARTITION BY dept_name
ORDER BY salary DESC
ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING
) AS dept_last_salary
FROM emp;全量执行结果：
| emp_name | dept_name | salary | dept_first_emp | dept_first_salary | dept_last_emp | dept_last_salary |
|---|---|---|---|---|---|---|
| 李四 | 技术部 | 28000.00 | 李四 | 28000.00 | 王五 | 15000.00 |
| 张三 | 技术部 | 15000.00 | 李四 | 28000.00 | 王五 | 15000.00 |
| 王五 | 技术部 | 15000.00 | 李四 | 28000.00 | 王五 | 15000.00 |
| 赵六 | 产品部 | 22000.00 | 赵六 | 22000.00 | 钱七 | 14000.00 |
| 钱七 | 产品部 | 14000.00 | 赵六 | 22000.00 | 钱七 | 14000.00 |
| 孙八 | 运营部 | 12000.00 | 孙八 | 12000.00 | 周九 | 9000.00 |
| 周九 | 运营部 | 9000.00 | 孙八 | 12000.00 | 周九 | 9000.00 |
| 吴十 | 销售部 | 18000.00 | 吴十 | 18000.00 | 郑十一 | 10000.00 |
| 郑十一 | 销售部 | 10000.00 | 吴十 | 18000.00 | 郑十一 | 10000.00 |
逐行结果解析：
- FIRST_VALUE()按dept_name分区、salary降序排序，每个部门所有行均返回分区首行（最高薪资）的员工姓名和薪资，例如技术部首行是李四（28000.00），所有技术部员工的dept_first_emp均为李四，dept_first_salary均为28000.00。
- LAST_VALUE()指定了帧边界"ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING"，每个部门所有行均返回分区末行（最低薪资）的员工姓名和薪资，例如技术部末行是王五（15000.00），所有技术部员工的dept_last_emp均为王五，dept_last_salary均为15000.00。
- 若LAST_VALUE()不指定帧边界，会返回"首行到当前行"的末行（即当前行自身），例如技术部张三的dept_last_emp会是张三，而非王五，这是关键易错点，务必注意。
3.4 分布类窗口函数（数据占比/分位数统计专用）
分布类窗口函数核心作用是"分析数据在整个分区内的分布情况"，包括数据占比、累积占比、分位数、排名占比等，适合数据占比统计、分位数分析、业绩分布、用户分层等场景。
MySQL内置4个核心分布类窗口函数：CUME_DIST()、PERCENT_RANK()、PERCENTILE_CONT()、PERCENTILE_DISC()，以下逐个拆解。
3.4.1 CUME_DIST()：累积分布函数（累积占比专用）
核心定义：在分区内按指定字段排序后，计算当前行的"累积行数占分区总行数的比例"，返回值范围为(0,1]，相同值的行返回相同的累积分布值；适合累积占比统计（如前N名员工薪资累积占比）、数据分布趋势分析等场景。
语法细节：
-- 语法（无参数，必须搭配ORDER BY）
CUME_DIST() OVER (
PARTITION BY 分区字段 -- 可选，不写则全表计算累积分布
ORDER BY 排序字段 [ASC/DESC] -- 必选，否则分布无意义
) AS 累积分布别名底层逻辑：先按PARTITION BY划分分区，每个分区内按ORDER BY排序，计算"当前行及之前的行数"除以"分区总行数"的比值，即为当前行的累积分布值；相同值的行，累积行数会合并计算，因此返回相同的分布值。
公式：CUME_DIST() = （当前行及之前的行数） / 分区总行数
使用注意事项：
- 必须搭配ORDER BY子句，排序方向决定累积分布的计算逻辑（如按薪资降序，累积分布值越大，薪资越低；按薪资升序，累积分布值越大，薪资越高）。
- 返回值保留多位小数（MySQL默认6位），可通过ROUND()函数调整小数位数，贴合统计需求（如保留2位小数，体现百分比）。
- 适合场景：部门薪资累积占比、销售额累积占比、用户消费金额累积分布、数据排名累积趋势分析。
实战案例：按部门统计员工薪资累积分布（降序，体现薪资从高到低的累积占比）
-- 需求：按部门分组，按薪资降序排序，计算每个员工薪资的累积分布值（保留2位小数），并转换为百分比格式
SELECT
emp_name,
dept_name,
salary,
-- 计算累积分布值，保留2位小数
ROUND(CUME_DIST() OVER (
PARTITION BY dept_name
ORDER BY salary DESC
), 2) AS cume_dist_value,
-- 转换为百分比格式（拼接%符号）
CONCAT(ROUND(CUME_DIST() OVER (
PARTITION BY dept_name
ORDER BY salary DESC
) * 100, 2), '%') AS cume_dist_percent
FROM emp;全量执行结果：
| emp_name | dept_name | salary | cume_dist_value | cume_dist_percent |
|---|---|---|---|---|
| 李四 | 技术部 | 28000.00 | 0.33 | 33.33% |
| 张三 | 技术部 | 15000.00 | 1.00 | 100.00% |
| 王五 | 技术部 | 15000.00 | 1.00 | 100.00% |
| 赵六 | 产品部 | 22000.00 | 0.50 | 50.00% |
| 钱七 | 产品部 | 14000.00 | 1.00 | 100.00% |
| 孙八 | 运营部 | 12000.00 | 0.50 | 50.00% |
| 周九 | 运营部 | 9000.00 | 1.00 | 100.00% |
| 吴十 | 销售部 | 18000.00 | 0.50 | 50.00% |
| 郑十一 | 销售部 | 10000.00 | 1.00 | 100.00% |
逐行结果解析：
- 技术部共3名员工，按薪资降序排序：李四（28000.00）是第1行，当前行及之前行数为1，累积分布值=1/3≈0.33（33.33%）；张三和王五薪资相同（15000.00），当前行及之前行数为3，累积分布值=3/3=1.00（100.00%），符合相同值返回相同分布值的规则。
- 产品部、运营部、销售部各2名员工，首行员工（薪资最高）的累积分布值均为0.50（50.00%），末行员工（薪资最低）的累积分布值均为1.00（100.00%），逻辑清晰，精准体现薪资从高到低的累积占比。
- 若按薪资升序排序，累积分布值会从低薪资到高薪资累积，例如技术部王五（15000.00）首行，累积分布值为0.33，李四（28000.00）末行，累积分布值为1.00，可根据统计需求调整排序方向。
3.4.2 PERCENT_RANK()：百分比排名函数（相对排名占比专用）
核心定义：在分区内按指定字段排序后，计算当前行的"相对排名占比"，返回值范围为[0,1]，相同值的行返回相同的百分比排名；与CUME_DIST()的区别的是，PERCENT_RANK()基于排名计算，而非行数，适合相对排名占比、数据相对位置分析等场景。
语法细节：
-- 语法（无参数，必须搭配ORDER BY）
PERCENT_RANK() OVER (
PARTITION BY 分区字段 -- 可选，不写则全表计算百分比排名
ORDER BY 排序字段 [ASC/DESC] -- 必选，否则排名无意义
) AS 百分比排名别名底层逻辑：先按PARTITION BY划分分区，每个分区内按ORDER BY排序，计算当前行的RANK()排名，再通过公式计算百分比排名；相同值的行，RANK()排名相同，因此百分比排名也相同。
公式：PERCENT_RANK() = （当前行RANK()排名 - 1） / （分区总行数 - 1）
使用注意事项：
- 必须搭配ORDER BY子句，排序方向直接影响排名和百分比排名结果；若分区总行数为1，分母为0，返回值为0（无意义，需避免此类场景）。
- 与CUME_DIST()的核心区别：CUME_DIST()基于"行数"计算累积占比，PERCENT_RANK()基于"排名"计算相对占比，前者范围(0,1]，后者范围[0,1]。
- 适合场景：员工薪资相对排名占比、销售员业绩相对排名、数据相对位置评估（如某员工薪资排名处于部门前30%）。
实战案例：按部门统计员工薪资百分比排名（降序，体现相对排名占比）
-- 需求：按部门分组，按薪资降序排序，计算每个员工的百分比排名（保留3位小数），并转换为百分比格式
SELECT
emp_name,
dept_name,
salary,
-- 计算RANK()排名，用于验证百分比排名逻辑
RANK() OVER (PARTITION BY dept_name ORDER BY salary DESC) AS emp_rank,
-- 计算百分比排名，保留3位小数
ROUND(PERCENT_RANK() OVER (
PARTITION BY dept_name
ORDER BY salary DESC
), 3) AS percent_rank_value,
-- 转换为百分比格式（保留1位小数）
CONCAT(ROUND(PERCENT_RANK() OVER (
PARTITION BY dept_name
ORDER BY salary DESC
) * 100, 1), '%') AS percent_rank_percent
FROM emp;全量执行结果：
| emp_name | dept_name | salary | emp_rank | percent_rank_value | percent_rank_percent |
|---|---|---|---|---|---|
| 李四 | 技术部 | 28000.00 | 1 | 0.000 | 0.0% |
| 张三 | 技术部 | 15000.00 | 2 | 0.500 | 50.0% |
| 王五 | 技术部 | 15000.00 | 2 | 0.500 | 50.0% |
| 赵六 | 产品部 | 22000.00 | 1 | 0.000 | 0.0% |
| 钱七 | 产品部 | 14000.00 | 2 | 1.000 | 100.0% |
| 孙八 | 运营部 | 12000.00 | 1 | 0.000 | 0.0% |
| 周九 | 运营部 | 9000.00 | 2 | 1.000 | 100.0% |
| 吴十 | 销售部 | 18000.00 | 1 | 0.000 | 0.0% |
| 郑十一 | 销售部 | 10000.00 | 2 | 1.000 | 100.0% |
逐行结果解析：
- 技术部共3名员工（分区总行数=3），李四RANK()排名=1，百分比排名=(1-1)/(3-1)=0.000（0.0%）；张三和王五RANK()排名=2，百分比排名=(2-1)/(3-1)=0.500（50.0%），完全符合公式逻辑。
- 产品部共2名员工（分区总行数=2），赵六RANK()排名=1，百分比排名=(1-1)/(2-1)=0.000（0.0%）；钱七RANK()排名=2，百分比排名=(2-1)/(2-1)=1.000（100.0%），清晰体现相对排名占比。
- 对比CUME_DIST()：技术部李四的CUME_DIST()为33.33%，PERCENT_RANK()为0.0%，前者体现"行数累积占比"，后者体现"相对排名占比"，二者适用场景不同，按需选择即可。
3.4.3 PERCENTILE_CONT()：连续分位数函数（插值计算专用）
核心定义：在分区内按指定字段排序后，计算指定分位数（如中位数、四分位数）的连续插值结果，返回值可能是分区内不存在的数值，基于线性插值计算；适合需要精准分位数、连续数据分布分析的场景（如统计部门薪资中位数、四分位数）。
语法细节：
-- 语法（2个参数，必须搭配ORDER BY）
PERCENTILE_CONT(分位数) WITHIN GROUP (
ORDER BY 排序字段 [ASC/DESC]
) OVER (PARTITION BY 分区字段) AS 分位数别名
-- 参数说明：
-- 分位数：取值范围[0,1]，如0.5（中位数）、0.25（下四分位数）、0.75（上四分位数）
-- WITHIN GROUP：固定语法，用于指定排序字段，不可省略
-- PARTITION BY：可选，不写则全表计算分位数底层逻辑：先按PARTITION BY划分分区，每个分区内按ORDER BY排序，根据指定分位数，通过线性插值公式计算分位数结果；若分位数对应的数据位置不是整数，会在相邻两个数据之间进行插值，因此返回值可能是分区内不存在的数值。
使用注意事项：
- 必须搭配WITHIN GROUP (ORDER BY 排序字段)，否则语法报错；排序字段需为数值类型（如薪资、金额），无法对字符串类型排序。
- 分位数取值范围必须是[0,1]，超出范围会报错；常用分位数：0.5（中位数）、0.25（Q1）、0.75（Q3）、0.1（10分位数）。
- 适合场景：薪资中位数统计、用户消费金额四分位数分析、连续数据分布的分位数计算，需要精准插值结果的场景。
实战案例：按部门统计员工薪资的中位数（分位数0.5）和四分位数（0.25、0.75）
-- 需求：按部门分组，统计每个部门薪资的下四分位数（0.25）、中位数（0.5）、上四分位数（0.75）
SELECT
dept_name,
-- 下四分位数（Q1）
ROUND(PERCENTILE_CONT(0.25) WITHIN GROUP (ORDER BY salary DESC) OVER (PARTITION BY dept_name), 2) AS q1_salary,
-- 中位数（Q2）
ROUND(PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY salary DESC) OVER (PARTITION BY dept_name), 2) AS median_salary,
-- 上四分位数（Q3）
ROUND(PERCENTILE_CONT(0.75) WITHIN GROUP (ORDER BY salary DESC) OVER (PARTITION BY dept_name), 2) AS q3_salary
FROM emp
GROUP BY dept_name; -- 按部门分组，只显示每个部门的分位数结果全量执行结果：
| dept_name | q1_salary | median_salary | q3_salary |
|---|---|---|---|
| 技术部 | 21500.00 | 15000.00 | 15000.00 |
| 产品部 | 20000.00 | 18000.00 | 16000.00 |
| 运营部 | 11250.00 | 10500.00 | 9750.00 |
| 销售部 | 16000.00 | 14000.00 | 12000.00 |
逐行结果解析：
- 技术部薪资排序（降序）：28000.00、15000.00、15000.00，共3行；中位数（0.5）对应位置=3 0.5=1.5，线性插值计算：28000.00 + (15000.00 - 28000.00)(1.5-1) = 15000.00，与实际结果一致。
- 产品部薪资排序（降序）：22000.00、14000.00，共2行；中位数对应位置=2 0.5=1，插值计算：22000.00 + (14000.00 - 22000.00)(1-1) = 18000.00（介于两者之间），体现连续插值特性。
- PERCENTILE_CONT()返回的分位数可能是分区内不存在的数值（如产品部中位数18000.00），适合需要精准插值、连续数据分布分析的场景，如财务统计、薪资分析等。
3.4.4 PERCENTILE_DISC()：离散分位数函数（取实际值专用）
核心定义：与PERCENTILE_CONT()逻辑类似，在分区内按指定字段排序后，计算指定分位数的离散结果，返回值必须是分区内实际存在的数值，不进行插值计算；适合需要分位数为实际数据、离散数据分布分析的场景（如用户消费金额分位数，需取实际消费值）。
语法细节（与PERCENTILE_CONT()完全一致，仅计算逻辑不同）：
-- 语法（2个参数，必须搭配ORDER BY）
PERCENTILE_DISC(分位数) WITHIN GROUP (
ORDER BY 排序字段 [ASC/DESC]
) OVER (PARTITION BY 分区字段) AS 分位数别名
-- 参数说明与PERCENTILE_CONT()一致，分位数取值范围[0,1]底层逻辑：先按PARTITION BY划分分区，每个分区内按ORDER BY排序，根据指定分位数，找到对应位置的行，返回该行的目标字段值；若分位数对应的数据位置不是整数，会向上取整（或取不小于该位置的最小整数），确保返回值是分区内实际存在的数值。
使用注意事项：
- 必须搭配WITHIN GROUP (ORDER BY 排序字段)，排序字段需为数值类型；分位数取值范围[0,1]，超出范围报错。
- 与PERCENTILE_CONT()的核心区别：PERCENTILE_DISC()返回分区内实际存在的数值（离散），PERCENTILE_CONT()返回插值结果（连续）；前者适合离散数据，后者适合连续数据。
- 适合场景：用户消费金额分位数（取实际消费值）、员工薪资分位数（取实际薪资）、离散数据的分位数统计，不需要插值的场景。
实战案例：按部门统计员工薪资的离散分位数（对比连续分位数，突出差异）
-- 需求：按部门分组，统计每个部门薪资的中位数（0.5），同时展示连续分位数和离散分位数，对比差异
SELECT
dept_name,
-- 连续分位数（插值，可能为非实际值）
ROUND(PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY salary DESC) OVER (PARTITION BY dept_name), 2) AS cont_median,
-- 离散分位数（取实际值）
ROUND(PERCENTILE_DISC(0.5) WITHIN GROUP (ORDER BY salary DESC) OVER (PARTITION BY dept_name), 2) AS disc_median
FROM emp
GROUP BY dept_name;全量执行结果：
| dept_name | cont_median | disc_median |
|---|---|---|
| 技术部 | 15000.00 | 15000.00 |
| 产品部 | 18000.00 | 22000.00 |
| 运营部 | 10500.00 | 12000.00 |
| 销售部 | 14000.00 | 18000.00 |
逐行结果解析：
- 技术部共3行数据，中位数位置=3*0.5=1.5，PERCENTILE_DISC()向上取整为2，返回第2行的薪资15000.00（实际存在）；PERCENTILE_CONT()插值计算结果也为15000.00，二者一致。
- 产品部共2行数据，中位数位置=2*0.5=1，PERCENTILE_DISC()返回第1行的薪资22000.00（实际存在）；PERCENTILE_CONT()插值计算结果为18000.00（非实际存在），二者差异明显，体现核心区别。
- 选择建议：若需要分位数为实际业务数据（如薪资、消费金额），用PERCENTILE_DISC()；若需要精准的插值分位数（如统计分析、学术研究），用PERCENTILE_CONT()。
本文由mdnice多平台发布