SQL Server 窗口函数详解：窗口行数控制的原理、关键字与应用场景
在 OLAP（联机分析处理）场景或明细数据驱动的应用中，SQL Server 提供的**窗口函数（Window Functions）**是一种高效、表达能力强的 SQL 特性。特别是通过 OVER() 子句中的 ROWS BETWEEN、RANGE BETWEEN 等关键字，开发者可以对“窗口行数”进行精确控制，从而实现滑动聚合、对比分析、排名处理等复杂逻辑。
本文将系统梳理 SQL Server 窗口函数中关于**“窗口行数控制”**的核心机制与用法，并结合具体业务场景进行分析。
一、窗口函数基础结构
窗口函数的基本结构如下：
函数名() OVER ([PARTITION BY 分组列][ORDER BY 排序列][ROWS | RANGE 窗口范围]
)
其中：
| 关键字/语法 | 说明 |
|---|---|
OVER() | 表示开启窗口函数语义 |
PARTITION BY | 按某字段分组计算窗口（类似于 GROUP BY，但保留明细） |
ORDER BY | 定义窗口内的顺序，许多函数（如排名函数）依赖它 |
ROWS BETWEEN ... | 以“物理行数”为单位定义窗口范围 |
RANGE BETWEEN ... | 以“排序值范围”为单位定义窗口范围（注意限制） |
二、核心窗口函数分类
| 类别 | 典型函数 | 用途 |
|---|---|---|
| 排名类 | ROW_NUMBER()、RANK()、DENSE_RANK() | 获取排序位置 |
| 聚合类 | SUM()、AVG()、MIN()、MAX()、COUNT() | 对窗口内行执行聚合 |
| 偏移类 | LAG()、LEAD() | 获取前/后某行的值 |
| 分布类 | NTILE(n) | 把排序后结果平均分为 n 组 |
| 首尾类 | FIRST_VALUE()、LAST_VALUE() | 获取窗口内首尾元素 |
三、窗口范围关键字详解
1. ROWS BETWEEN —— 精确控制“行数”范围
用于物理行级别的窗口控制。
常见语法：
ROWS BETWEEN <x> PRECEDING AND <y> FOLLOWING
| 范围表达式 | 含义 |
|---|---|
UNBOUNDED PRECEDING | 窗口起点为分区首行 |
UNBOUNDED FOLLOWING | 窗口终点为分区末行 |
CURRENT ROW | 当前行 |
<n> PRECEDING | 当前行之前第 n 行 |
<n> FOLLOWING | 当前行之后第 n 行 |
示例：最近 3 天内销售额统计
SELECT StoreID,OrderDate,SUM(SalesAmount) OVER (PARTITION BY StoreID ORDER BY OrderDate ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS RollingSales
FROM Sales;
解释：对每家门店，从当前行往前取 2 行（共 3 天）累计销售额。
2. RANGE BETWEEN —— 控制“值范围”
用于排序键的值范围（只支持数值或日期等可比较的数据类型），适合处理“时间点相等”或“分段累计”的需求。
示例：
SELECT OrderID,OrderDate,SUM(SalesAmount) OVER (ORDER BY OrderDateRANGE BETWEEN INTERVAL 7 DAY PRECEDING AND CURRENT ROW) AS WeeklySales
FROM Sales;
注意：SQL Server 不支持带间隔单位的 RANGE BETWEEN INTERVAL 写法，只有在排序列值重复时有意义，大部分场景建议使用 ROWS 替代。
3. PARTITION BY：分组窗口范围
将结果集拆分为多个分区，在每个分区内独立进行窗口计算。
示例：每个用户最近 3 次登录时间：
SELECT UserID,LoginTime,ROW_NUMBER() OVER (PARTITION BY UserID ORDER BY LoginTime DESC) AS RecentLoginRank
FROM Logins;
4. ORDER BY：定义窗口顺序
窗口函数中，ORDER BY 不仅决定了排序顺序，还直接影响窗口范围的定义、偏移函数的目标行。
四、典型业务场景示例
1. 移动平均值 / 滚动统计
SELECT OrderDate,AVG(SalesAmount) OVER (ORDER BY OrderDate ROWS BETWEEN 6 PRECEDING AND CURRENT ROW) AS 7DayAvg
FROM Sales;
说明：用于生成时间序列 KPI，如活跃用户、日均订单、周均销售。
2. 分组内 Top-N 查询
WITH RankedSales AS (SELECT *,ROW_NUMBER() OVER (PARTITION BY StoreID ORDER BY SalesAmount DESC) AS rkFROM Sales
)
SELECT * FROM RankedSales WHERE rk <= 3;
说明：每家门店销售额排名前 3 的订单。
3. 同环比分析（同比、环比）
SELECT OrderDate,SalesAmount,LAG(SalesAmount, 1) OVER (ORDER BY OrderDate) AS PrevDaySales,SalesAmount - LAG(SalesAmount, 1) OVER (ORDER BY OrderDate) AS Diff
FROM Sales;
说明：可用于订单增长、访问流量增幅等同比分析。
4. 取每组的第一条/最后一条记录
SELECT *,FIRST_VALUE(OrderDate) OVER (PARTITION BY CustomerID ORDER BY OrderDate) AS FirstOrderDate
FROM Orders;
五、性能优化建议
| 优化项 | 建议 |
|---|---|
| 排序列索引 | 窗口函数大多依赖 ORDER BY，请确保排序列建索引 |
| 分区字段选择 | 分区过多会影响性能，适当合并分区或避免过细粒度 |
| 大数据量 | 可使用中间物化表 + 分页处理 |
| 滑动窗口 | 推荐 ROWS，其物理执行计划更稳定、可控 |
六、总结：它解决了什么问题？
| 问题 | 窗口函数解决方案 |
|---|---|
| 明细数据无法聚合 | 聚合类窗口函数在保留明细的同时支持分组汇总 |
| 不方便比较上下行 | 偏移类函数（如 LAG/LEAD）替代子查询 |
| 分组后无法保留明细 | PARTITION BY 保留分组上下文 |
| 复杂排序排名 | 排名函数简化业务逻辑 |
| 移动统计性能差 | ROWS BETWEEN 替代子查询或游标，提升可维护性与效率 |
附：常用窗口函数参考表
| 函数名 | 用途 | 是否支持 OVER() |
|---|---|---|
ROW_NUMBER() | 排名 | ✅ |
RANK() / DENSE_RANK() | 去重排名 | ✅ |
SUM() / AVG() | 累计 | ✅ |
LAG() / LEAD() | 上/下行取值 | ✅ |
NTILE(n) | 分组编号 | ✅ |
FIRST_VALUE() / LAST_VALUE() | 取窗口边界值 | ✅ |