SQL 的窗口函数（Window Function）是一种强大的分析型函数，用于在不减少原始行数的情况下对数据进行复杂计算。它允许你对一组相关行（称为"窗口"）执行计算，并将结果返回到每一行中。
窗口函数的主要特点
- 保持原始行数 ：与传统的聚合函数（如
GROUP BY）不同，窗口函数不会合并行，而是为每一行返回一个计算结果。 - 基于窗口计算 ：窗口函数的计算基于一个"窗口"范围，这个窗口可以通过
OVER()子句定义。 - 支持多种类型函数：
1. 排序类函数（Ranking Functions）
用于在分组内进行排名，是处理"Top N"问题的核心工具。
表格
| 函数 | 详细说明 | 使用场景 | 典型SQL模式 |
|---|---|---|---|
| ROW_NUMBER() | 为每行分配唯一序号，无并列，严格递增 | 分页查询、去重取唯一记录 | ROW_NUMBER() OVER (PARTITION BY dept ORDER BY salary DESC) |
| RANK() | 并列排名，相同值同名次，后续跳过名次 | 竞赛排名、成绩并列展示 | RANK() OVER (ORDER BY score DESC) |
| DENSE_RANK() | 并列排名，后续不跳名次，保持连续 | 奖项等级划分、梯队分析 | DENSE_RANK() OVER (PARTITION BY region ORDER BY sales) |
| NTILE(n) | 将数据均分为n组，返回组号 | 客户分层、收入五分位分析 | NTILE(4) OVER (ORDER BY income) |
PARTITION BY 可实现分组内排名；若省略，则全表作为一个窗口计算。
2. 聚合类函数（Aggregate Functions as Window Functions）
在保留原始行的基础上，实现累计、移动、滑动统计。
表格
| 函数 | 详细说明 | 使用场景 | 典型SQL模式 |
|---|---|---|---|
| SUM() | 窗口内累计求和 | 月度累计销售额、滚动总额 | SUM(sales) OVER (ORDER BY date ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) |
| AVG() | 窗口内平均值 | 移动平均、趋势分析 | AVG(price) OVER (PARTITION BY product ORDER BY date ROWS 2 PRECEDING) |
| COUNT() | 统计窗口内行数 | 活跃用户累计计数 | COUNT(*) OVER (PARTITION BY user_id ORDER BY login_date) |
| MAX()/MIN() | 获取窗口内极值 | 历史最高/最低对比 | MAX(temp) OVER (PARTITION BY city ORDER BY day) |
使用 ROWS 或 RANGE 明确窗口范围，避免全表扫描性能问题；UNBOUNDED PRECEDING 表示从分区第一行开始。
3. 取值类函数（Value Access Functions）
用于跨行取值，实现环比、同比、趋势预测等分析。
表格
| 函数 | 详细说明 | 使用场景 | 典型SQL模式 |
|---|---|---|---|
| LAG(col, n, default) | 取当前行前第n行的值 | 与上期对比、环比增长 | LAG(sales, 1) OVER (ORDER BY month) |
| LEAD(col, n, default) | 取当前行后第n行的值 | 预测、下期对比 | LEAD(price, 1) OVER (PARTITION BY stock ORDER BY date) |
| FIRST_VALUE(col) | 取窗口第一行的值 | 初始值对比、基期分析 | FIRST_VALUE(salary) OVER (PARTITION BY emp_id ORDER BY year) |
| LAST_VALUE(col) | 取窗口最后一行的值 | 末期值提取（需配合 RANGE BETWEEN ...） | LAST_VALUE(score) OVER (ORDER BY date RANGE BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) |
LAST_VALUE() 默认窗口为 RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW，需显式调整为 UNBOUNDED FOLLOWING 才能取到最后 。
4. 分布类函数（Distribution Functions）
用于分析数据在分组中的相对位置和分布密度。
表格
| 函数 | 详细说明 | 使用场景 | 典型SQL模式 |
|---|---|---|---|
| PERCENT_RANK() | 计算相对排名（0到1），公式：(rank-1)/(总行数-1) | 成绩百分位、绩效分布 | PERCENT_RANK() OVER (ORDER BY score) |
| CUME_DIST() | 小于等于当前值的比例，公式：≤当前值的行数 / 总行数 | 客户覆盖率、达标率分析 | CUME_DIST() OVER (ORDER BY revenue) |
CUME_DIST() 对重复更改敏感，适合用于"有多少人低于我"的场景。
基本语法结构
sqlCopy Code<窗口函数> OVER (
[PARTITION BY <分组列>]
[ORDER BY <排序列>]
[ROWS/RANGE <窗口框架定义>]
)PARTITION BY：用于将数据划分为不同的组，类似于GROUP BY，但不减少行数。ORDER BY：定义窗口内的排序方式，影响窗口函数的计算顺序。ROWS或RANGE：定义窗口的范围，例如当前行前后几行或某个值范围内的行。
注意： ROWS/RANGE \<窗口框架定义\> 默认值是：**
1. 没有指定 ORDER BY：窗口函数将应用于整个结果集，相当于对所有行进行计算。 2. 指定了 ORDER BY：默认的窗口帧是 RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW，这意味着窗口从分区的第一行开始，到当前行结束。
ROWS：
-
定义 ：
ROWS基于物理行号来定义窗口范围，严格按照行的顺序进行计数。 -
特点
- 严格按照行的物理位置来确定窗口。
- 即使排序列的值相同，也会被单独计数。
- 适用于需要精确控制行数的场景，例如计算最近 N 笔交易或前后 N 天的记录。
-
示例
ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING：表示当前行及其前后各一行，共三行。ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW：表示从第一行到当前行的所有行。
RANGE：
-
定义 ：
RANGE基于排序列的值范围来定义窗口，将排序值相同的行视为一个逻辑组。 -
特点 ：
- 将排序列中值相等的所有行视为一个逻辑单元。
- 适用于处理有重复值的场景，例如按日期或金额计算累积值。
- 通常与
ORDER BY子句一起使用。
-
示例
RANGE BETWEEN 10 PRECEDING AND CURRENT ROW：表示当前行排序值范围内，前 10 个单位的行。RANGE BETWEEN CURRENT ROW AND CURRENT ROW：仅包含当前行。
两者区别总结：
| 特性 | ROWS | RANGE |
|---|---|---|
| 定义方式 | 基于物理行号 | 基于排序列值范围 |
| 适用场景 | 精确控制行数 | 处理重复值、逻辑范围 |
| 重复值处理 | 单独计数 | 合并为一个逻辑组 |
sql例子
本例子是使用mysql8.0版本，进行测试；
初始数据的准备
sql数据
CREATE TABLE business (
name VARCHAR(255),
orderdate DATE,
cost INT
);
INSERT INTO business VALUES
('jack', '2017-01-01', 10),
('tony', '2017-01-02', 15),
('jack', '2017-02-03', 23),
('tony', '2017-01-04', 29),
('jack', '2017-01-05', 46),
('jack', '2017-04-06', 42),
('tony', '2017-01-07', 50),
('jack', '2017-01-08', 55),
('mart', '2017-04-08', 62),
('mart', '2017-04-09', 68),
('neil', '2017-05-10', 12),
('mart', '2017-04-11', 75),
('neil', '2017-06-12', 80),
('mart', '2017-04-13', 94);相关例子
-
查询在2017年4月份购买过的顾客及总人数
SELECT DISTINCT name AS customer_name,
COUNT(DISTINCT name) OVER() AS total_customers
FROM business
WHERE SUBSTRING(orderdate, 1, 7) = '2017-04'
ORDER BY name; -
查询顾客的购买明细及月购买总额
SELECT
name AS customer_name,
orderdate AS order_date,
cost AS purchase_amount,
SUM(cost) OVER(PARTITION BY name, DATE_FORMAT(orderdate, '%Y-%m')) AS monthly_total,
COUNT(*) OVER(PARTITION BY name, DATE_FORMAT(orderdate, '%Y-%m')) AS monthly_purchase_count
FROM business
ORDER BY name, orderdate;
3.求每个顾客的购买明细及起点到当前行的累加 上一行到当前行的累加 当前行到下一行的累加 上一行到下一行的累加 当前行到终点的累加
-- 查询每个顾客的购买明细及各种累加统计
SELECT
name AS customer_name,
orderdate AS order_date,
cost AS purchase_amount,
-- 起点到当前行的累加
SUM(cost) OVER(PARTITION BY name ORDER BY orderdate ROWS UNBOUNDED PRECEDING) AS cumulative_from_start,
-- 上一行到当前行的累加
SUM(cost) OVER(PARTITION BY name ORDER BY orderdate ROWS BETWEEN 1 PRECEDING AND CURRENT ROW) AS sum_prev_current,
-- 当前行到下一行的累加
SUM(cost) OVER(PARTITION BY name ORDER BY orderdate ROWS BETWEEN CURRENT ROW AND 1 FOLLOWING) AS sum_current_next,
-- 上一行到下一行的累加
SUM(cost) OVER(PARTITION BY name ORDER BY orderdate ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING) AS sum_prev_next,
-- 当前行到终点的累加
SUM(cost) OVER(PARTITION BY name ORDER BY orderdate ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) AS cumulative_to_end
FROM business
ORDER BY name, orderdate;;
4.查询每个顾客上次 和 下次 的购买时间
-- 查询每个顾客的购买明细及上次和下次购买时间
SELECT
name AS customer_name,
orderdate AS current_purchase_date,
LAG(orderdate) OVER (PARTITION BY name ORDER BY orderdate) AS previous_purchase_date,
LEAD(orderdate) OVER (PARTITION BY name ORDER BY orderdate) AS next_purchase_date
FROM business
ORDER BY name, orderdate;
-
查询前20%时间的订单信息
SELECT
name AS customer_name,
orderdate AS order_date,
cost AS purchase_amount
FROM (
SELECT
name,
orderdate,
cost,
---使用NTILE(5)窗口函数将所有订单按日期分为5个等份(五分位数)
---选择第一个五分位数(quintile=1)的数据，即最早20%时间段内的订单
--最终结果按订单日期升序排列，展示前20%时间范围内的所有订单详情
NTILE(5) OVER (ORDER BY orderdate) AS quintile
FROM business
) AS ranked_orders
WHERE quintile = 1
ORDER BY orderdate;