重庆专业网站推广平台百度app官方下载安装

一、基础知识

1. 定义
   窗口函数（Window Function）对查询结果集的子集（“窗口”）进行计算，保留原始行而非聚合为单行，适合复杂分析（如排名、累积和）。
   基本语法：

   函数名() OVER ([PARTITION BY 列]   -- 按列分组，类似GROUP BY但保留所有行[ORDER BY 列]        -- 定义窗口内排序[ROWS/RANGE 范围]    -- 指定计算范围
   )
   

2. 核心组件

   • PARTITION BY：分区列，窗口计算独立于每个分区（如按部门分组）。
   • ORDER BY：分区内排序，影响排名、累积计算逻辑。
   • 窗口帧（Frame）：
     • ROWS BETWEEN n PRECEDING AND m FOLLOWING：指定当前行前后包含的行数。
     • RANGE BETWEEN INTERVAL '1' DAY PRECEDING AND CURRENT ROW：按值范围定义（如时间间隔）。

---

二、窗口函数类型

1. 排名函数

函数	描述	示例场景
ROW_NUMBER()	唯一连续序号（同值不同号）	按入职日期排序员工
RANK()	允许并列且后续排名跳跃（如1,1,3）	销售额排名（同额同排名，后续跳号）
DENSE_RANK()	并列排名连续（如1,1,2）	工资排名（同薪不跳号）
NTILE(n)	数据均分n组并分配组号	按工资四分位分组

2. 分析函数

• LAG(列, 偏移量) / LEAD(列, 偏移量)：
  获取当前行前/后指定偏移量的值（如对比上月销售额）：

  SELECT sale_date, amount, LAG(amount, 1) OVER (ORDER BY sale_date) AS prev_amount 
  FROM sales;  -- 获取前一条记录
  

• FIRST_VALUE() / LAST_VALUE()：
  返回窗口首行/末行的值（如部门最高工资）。

3. 聚合函数（窗口化）

• 累积计算：

  SUM(sales) OVER (PARTITION BY product_id ORDER BY date) -- 按产品累计销售额
  

• 移动平均：

  AVG(amount) OVER (ORDER BY date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) -- 近3天移动平均
  

---

三、性能优化

1. 索引策略：
   • 为PARTITION BY和ORDER BY涉及的列创建索引。