深度解析Mysql的开窗函数（易懂版）
SQL 开窗函数（Window Function）是一种强大的分析工具，它能在保留原有数据行的基础上，对 "窗口"（指定范围的行集合）进行聚合、排名或分析计算，解决了传统GROUP BY聚合会合并行的局限性。
一、开窗函数的核心特点
- 不合并行：与
GROUP BY不同，开窗函数计算后会保留所有原始行，只是为每行附加一个计算结果。 - 窗口定义：通过
OVER()子句定义 "窗口"（即计算范围），可按条件分区、排序或限定行范围。 - 适用场景：排名（如 top N）、累计计算（如累计求和）、移动分析（如近 3 天平均值）、前后行数据获取等。
二、基本语法结构
开窗函数的通用语法：
函数名(参数) OVER ([PARTITION BY 分区列1, 分区列2...] -- 可选：按列分组，每组独立计算[ORDER BY 排序列1 [ASC|DESC], ...] -- 可选：分区内的排序方式[ROWS | RANGE 窗口范围] -- 可选：定义窗口的具体行范围（行级窗口）
)
- 函数名：可以是排名函数（
RANK()、ROW_NUMBER()等）、聚合函数（SUM()、AVG()等）或分析函数（LAG()、LEAD()等）。 OVER()子句：核心部分，用于定义 "窗口" 的规则。
三、OVER()子句详解
1. PARTITION BY：分区（分组）
- 作用：将数据按指定列分成多个独立的 "分区"，开窗函数在每个分区内单独计算（类似
GROUP BY的分组，但不合并行）。 - 示例：按 "部门" 分区，每个部门内部独立计算工资排名。
2. ORDER BY：分区内排序
- 作用：指定分区内的行排序规则，影响排名函数的结果和窗口范围的界定。
- 注意：若不指定
PARTITION BY，则全表视为一个分区，按ORDER BY整体排序。
3. ROWS | RANGE：窗口范围（行级窗口）
- 作用：在分区内，进一步限定参与计算的行范围（如 "当前行 + 前 2 行 + 后 1 行"）。
- 关键字：
ROWS：基于物理行数界定范围（如 "前 2 行"）。RANGE：基于值的逻辑范围界定（如 "值在当前行 ±10 以内的行"），仅支持数值 / 日期类型。
- 常用范围表达式：
UNBOUNDED PRECEDING：分区的第一行CURRENT ROW：当前行n PRECEDING：当前行之前的第 n 行n FOLLOWING：当前行之后的第 n 行- 组合示例：
ROWS BETWEEN 2 PRECEDING AND 1 FOLLOWING（当前行 + 前 2 行 + 后 1 行）
四、常用开窗函数分类及示例
以下示例基于员工表employee，结构如下：
| id | name | department | salary | hire_date |
|---|---|---|---|---|
| 1 | 张三 | 技术部 | 8000 | 2020-01-15 |
| 2 | 李四 | 技术部 | 9000 | 2019-03-20 |
| 3 | 王五 | 技术部 | 9000 | 2018-05-10 |
| 4 | 赵六 | 市场部 | 7000 | 2021-02-05 |
| 5 | 钱七 | 市场部 | 8500 | 2020-08-18 |
1. 排名函数（用于生成排名）
（1）ROW_NUMBER()：生成唯一序号
- 功能：为分区内的每行分配一个连续的唯一序号（即使值相同，序号也不同）。
- 示例：按部门分区，按工资降序排名（工资相同则按入职时间升序）：
SELECT name, department, salary,ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC, hire_date ASC) AS row_num
FROM employee;
- 结果：
name department salary row_num 李四 技术部 9000 1 （同工资，入职早排前） 王五 技术部 9000 2 张三 技术部 8000 3 钱七 市场部 8500 1 赵六 市场部 7000 2
（2）RANK()：带跳号的排名
- 功能：相同值排名相同，后续排名会 "跳号"（如两个第 1 名，下一个是第 3 名）。
- 示例：按部门分区，按工资降序排名：
SELECT name, department, salary,RANK() OVER (PARTITION BY department ORDER BY salary DESC) AS rank_num
FROM employee;
- 结果：
name department salary rank_num 李四 技术部 9000 1 王五 技术部 9000 1 （与李四并列第 1） 张三 技术部 8000 3 （跳号，直接第 3） 钱七 市场部 8500 1 赵六 市场部 7000 2
（3）DENSE_RANK()：无跳号的排名
- 功能：相同值排名相同，后续排名不跳号（如两个第 1 名，下一个是第 2 名）。
- 示例：按部门分区，按工资降序排名：
SELECT name, department, salary,DENSE_RANK() OVER (PARTITION BY department ORDER BY salary DESC) AS dense_rank_num
FROM employee;
- 结果：
name department salary dense_rank_num 李四 技术部 9000 1 王五 技术部 9000 1 张三 技术部 8000 2 （不跳号，第 2） 钱七 市场部 8500 1 赵六 市场部 7000 2
2. 聚合开窗函数（聚合函数 +OVER()）
将SUM()、AVG()、COUNT()等聚合函数与OVER()结合，为每行计算所在窗口的聚合结果。
（1）全分区聚合（无ORDER BY和范围）
- 功能：计算整个分区的聚合值（每行的结果相同）。
- 示例：计算每个部门的平均工资，附加到每行：
SELECT name, department, salary,AVG(salary) OVER (PARTITION BY department) AS dept_avg_salary
FROM employee;
- 结果：
name department salary dept_avg_salary 张三 技术部 8000 8666.67 （(8000+9000+9000)/3） 李四 技术部 9000 8666.67 王五 技术部 9000 8666.67
（2）累计聚合（带ORDER BY和范围）
- 功能：按排序顺序计算 "累计" 聚合值（如累计求和、累计平均值）。
- 示例：按部门分区，按入职时间升序，计算累计工资总和：
SELECT name, department, hire_date,salary,SUM(salary) OVER (PARTITION BY department ORDER BY hire_date ASCROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW -- 从第一行到当前行) AS cumulative_salary
FROM employee;
- 结果（技术部）：
name department hire_date salary cumulative_salary 王五 技术部 2018-05-10 9000 9000 （第一行，累计 = 自身） 李四 技术部 2019-03-20 9000 18000 （累计 = 9000+9000） 张三 技术部 2020-01-15 8000 26000 （累计 = 9000+9000+8000）
3. 分析函数（获取前后行数据）
（1）LAG(列名, n)：获取当前行的前 n 行数据
- 功能：返回当前行之前第 n 行的指定列值（默认 n=1）。
- 示例：获取每个部门中，当前员工的前一位入职员工的工资：
SELECT name, department, hire_date,salary,LAG(salary, 1) OVER (PARTITION BY department ORDER BY hire_date ASC) AS prev_emp_salary
FROM employee;
- 结果（技术部）：
name department hire_date salary prev_emp_salary 王五 技术部 2018-05-10 9000 NULL （第一行，无前一行） 李四 技术部 2019-03-20 9000 9000 （前一行是王五的工资） 张三 技术部 2020-01-15 8000 9000 （前一行是李四的工资）
（2）LEAD(列名, n)：获取当前行的后 n 行数据
- 功能：返回当前行之后第 n 行的指定列值（默认 n=1）。
- 示例：获取每个部门中，当前员工的后一位入职员工的工资：
SELECT name, department, hire_date,salary,LEAD(salary, 1) OVER (PARTITION BY department ORDER BY hire_date ASC) AS next_emp_salary
FROM employee;
- 结果（技术部）：
name department hire_date salary next_emp_salary 王五 技术部 2018-05-10 9000 9000 （后一行是李四的工资） 李四 技术部 2019-03-20 9000 8000 （后一行是张三的工资） 张三 技术部 2020-01-15 8000 NULL （最后一行，无后一行）
五、开窗函数与GROUP BY的区别
| 特性 | GROUP BY聚合 | 开窗函数 |
|---|---|---|
| 行处理 | 合并分组后的行（一行 / 组） | 保留所有原始行 |
| 计算范围 | 整个分组 | 可自定义窗口范围（分区、行范围） |
| 结果列 | 仅聚合结果 + 分组列 | 原始列 + 开窗计算结果 |
六、注意事项
- 排序影响：
ORDER BY在开窗函数中不仅影响排名，还会影响窗口范围的界定（如累计计算）。 - 性能考量：复杂的窗口范围（如
RANGE）可能导致性能下降，大表建议优先用ROWS。 - 数据库支持：主流数据库（MySQL 8.0+、PostgreSQL、SQL Server、Oracle）均支持开窗函数，但部分细节可能有差异。
通过上述讲解，可掌握开窗函数的核心语法和应用场景。实际使用时，需根据业务需求灵活组合PARTITION BY、ORDER BY和窗口范围，实现复杂的数据分析。