SQL中的窗口函数，简单来说，就是一种在不聚合行的情况下，对与当前行相关的行集执行计算的强大工具。它允许你在每行数据上，根据一个“窗口”内的其他行来计算一个值，比如排名、累计总和或者移动平均。RANK、ROW_NUMBER等就是这类函数中的佼佼者，它们让复杂的数据分析变得前所未有的简单和高效。
解决方案在我看来，理解窗口函数的关键在于那个
OVER()子句。它定义了你的“窗口”——也就是哪些行会参与到当前行的计算中。不像传统的
GROUP BY会把多行数据折叠成一行聚合结果，窗口函数在计算完成后，依然会返回原始数据集的每一行，只是多了一个基于窗口计算出来的新列。这对于需要保留原始数据细节，同时又想进行复杂分析的场景来说，简直是神来之笔。
一个典型的窗口函数结构是这样的：
窗口函数(表达式) OVER ([PARTITION BY 列名] [ORDER BY 列名 [ASC|DESC]])
这里的
PARTITION BY是可选的，它将数据集分成独立的组（或称“分区”），每个分区内部独立进行窗口计算。这就像是你把一个大班的学生按班级分组，然后每个班级内部再进行排名。而
ORDER BY则定义了窗口内行的排序顺序，这对于像排名、累积求和这类依赖顺序的计算至关重要。 窗口函数与传统聚合函数有何本质区别，为何选择它们？
这真的是一个非常核心的问题，也是很多人初学时会感到困惑的地方。说白了，传统聚合函数（比如
SUM(),
AVG(),
COUNT()配合
GROUP BY）的目的是“汇总”。它们把一组行压缩成一个单一的摘要值。比如，你想知道每个部门的总销售额，
GROUP BY department_id然后
SUM(sales)，结果就是每个部门一行数据，显示总销售额。原始的每笔销售记录就看不到了。
但窗口函数则完全不同。它们执行的是“行级计算”。它们在计算时确实会考虑一组行（那个“窗口”），但最终结果是为每一行都生成一个值。这意味着你既能看到每笔交易的详细信息，又能在这笔交易旁边看到它在某个特定分组（比如同部门）中的排名，或者它到目前为止的累计销售额。
为什么选择它们？原因很多，但最主要的有以下几点：
- 保留细节，增加上下文： 你不需要为了聚合而丢失原始数据。这是它最大的魅力。
-
简化复杂查询： 以前需要通过子查询、自连接甚至多次查询才能实现的功能，现在一个窗口函数就能搞定。比如，找出每个部门销售额最高的员工，没有窗口函数的话，你可能需要先找出每个部门的最高销售额，再连接回原表找出对应的员工。有了
RANK()
或ROW_NUMBER()
，这变得异常简单。 - 性能优化： 很多情况下，数据库引擎能更高效地处理窗口函数，因为它只需要一次数据扫描和排序，而复杂的子查询或自连接可能会导致多次扫描和连接操作。当然，这也不是绝对的，具体还得看查询优化器和数据量。
举个例子，假设我们有销售数据： | 订单ID | 部门ID | 销售额 | |---|---|---| | 1 | A | 100 | | 2 | A | 150 | | 3 | B | 200 | | 4 | A | 50 |
如果用传统聚合：
SELECT 部门ID, SUM(销售额) FROM 销售表 GROUP BY 部门ID;结果： | 部门ID | SUM(销售额) | |---|---| | A | 300 | | B | 200 |
如果用窗口函数计算部门内累计销售额：
SELECT 订单ID, 部门ID, 销售额, SUM(销售额) OVER (PARTITION BY 部门ID ORDER BY 订单ID) AS 部门累计销售额 FROM 销售表;结果： | 订单ID | 部门ID | 销售额 | 部门累计销售额 | |---|---|---|---| | 1 | A | 100 | 100 | | 2 | A | 150 | 250 | | 4 | A | 50 | 300 | | 3 | B | 200 | 200 |
看，每一行都还在，但又多了一个有用的分析字段。
深入理解RANK()、DENSE_RANK()和ROW_NUMBER()：何时使用它们？这三个函数是窗口函数家族中最常用的“排名”函数，但它们处理“并列”情况的方式各不相同，因此适用场景也不同。我常常觉得，理解它们的核心就在于你如何看待并列名次。
ROW_NUMBER()这个函数是最直接的。它为分区中的每一行分配一个唯一的、连续的序号，从1开始。 特点： 绝不会出现并列。即使两行在排序条件上完全相同，它们也会得到不同的
ROW_NUMBER。至于哪一行先得到较小的数字，取决于数据库内部的物理存储顺序或者未指定的排序规则。 何时使用：
- 获取每个分组的“第N个”记录： 比如，每个用户最新的订单，或者每个产品线的第一个销售记录。
-
去重： 当你有多条完全相同的记录，或者想保留某个分组中符合特定条件的“唯一”记录时，可以先用
ROW_NUMBER()
排序，然后只保留rn = 1
的记录。 -
分页： 在某些分页逻辑中，
ROW_NUMBER()
结合子查询或CTE可以很方便地实现。
示例：
PIA
全面的AI聚合平台，一站式访问所有顶级AI模型
226
查看详情
SELECT
product_id,
sale_date,
sale_amount,
ROW_NUMBER() OVER (PARTITION BY product_id ORDER BY sale_date DESC) AS rn
FROM
sales_data; 这会给每个产品的销售记录按日期倒序编号，最新的销售记录
rn为1。 RANK()
RANK()函数为分区中的行分配排名。如果有多行在排序条件上具有相同的值，它们会得到相同的排名。但请注意，下一个不同的值会跳过相应数量的排名。 特点： 有并列，且并列后的排名会有“跳跃”。比如，1, 2, 2, 4（如果两个并列是第2名，那么下一个名次就是第4名）。 何时使用：
- 标准竞争排名： 比如，学生考试成绩排名，如果两个人并列第二，下一个人的名次就是第四。
- 找出前N名（允许并列）： 当你想要前N名，并且并列的也算在内，但又希望名次有跳跃感时。
示例：
PIA
全面的AI聚合平台，一站式访问所有顶级AI模型
226
查看详情
SELECT
student_id,
score,
RANK() OVER (ORDER BY score DESC) AS student_rank
FROM
exam_results; 如果两个学生都考了90分，他们可能都得到
rank = 2，而下一个学生如果考88分，他的
rank就会是
4。 DENSE_RANK()
DENSE_RANK()函数也为分区中的行分配排名，与
RANK()类似，并列的行会得到相同的排名。但它与
RANK()的关键区别在于，并列后的排名是连续的，不会有跳跃。 特点： 有并列，但并列后的排名是“紧密的”，没有跳跃。比如，1, 2, 2, 3。 何时使用：
- 紧凑型排名： 当你希望排名是连续的，即使有并列，下一个名次也紧随其后时。比如，奖牌榜，金牌、银牌、铜牌，即使有多个并列银牌，下一枚依然是铜牌，而不是跳过。
- 分组分层： 将数据按某个指标分成几个等级，每个等级对应一个连续的数字。
示例：
PIA
全面的AI聚合平台，一站式访问所有顶级AI模型
226
查看详情
SELECT
product_category,
sales_amount,
DENSE_RANK() OVER (PARTITION BY product_category ORDER BY sales_amount DESC) AS category_sales_rank
FROM
product_sales; 这会给每个产品类别内的销售额进行排名。如果两个产品销售额并列第一，它们都得到
rank = 1，下一个销售额的产品就会得到
rank = 2。
总的来说，选择哪个函数取决于你对“并列”的业务理解和排名需求的精确定义。
窗口函数在实际业务场景中的高级应用与性能考量窗口函数远不止排名这么简单，它们在实际业务中有着极其广泛且强大的应用，有时候我甚至觉得它们是SQL分析能力的“核武器”。
高级应用示例：-
计算累计总和 (Running Totals)： 比如，计算每天的累计销售额。
SELECT sale_date, daily_sales, SUM(daily_sales) OVER (ORDER BY sale_date ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS cumulative_sales FROM daily_sales_report;这里的
ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
定义了窗口框架，表示从分区开始到当前行。 -
计算移动平均 (Moving Averages)： 比如，计算过去7天的平均销售额，用于趋势分析。
SELECT sale_date, daily_sales, AVG(daily_sales) OVER (ORDER BY sale_date ROWS BETWEEN 6 PRECEDING AND CURRENT ROW) AS seven_day_moving_avg FROM daily_sales_report;ROWS BETWEEN 6 PRECEDING AND CURRENT ROW
表示窗口包含当前行和它之前的6行。 -
比较当前行与前/后一行 (LAG/LEAD)： 比如，计算相邻两次交易之间的时间间隔，或者与前一天的销售额进行比较。
SELECT order_id, customer_id, order_date, LAG(order_date, 1, NULL) OVER (PARTITION BY customer_id ORDER BY order_date) AS previous_order_date, DATEDIFF(day, LAG(order_date, 1, NULL) OVER (PARTITION BY customer_id ORDER BY order_date), order_date) AS days_since_last_order FROM customer_orders;LAG(order_date, 1, NULL)
获取前一行（偏移量为1）的order_date
，如果没有前一行则返回NULL
。 -
查找每个分组的最高/最低值 (FIRST_VALUE/LAST_VALUE)： 比如，找出每个部门销售额最高的员工姓名。
SELECT department_id, employee_name, sales_amount, FIRST_VALUE(employee_name) OVER (PARTITION BY department_id ORDER BY sales_amount DESC) AS top_seller_in_dept FROM employee_sales;
窗口函数虽然强大，但并非没有代价。它们在处理大数据集时，可能会带来显著的性能开销。
-
排序成本：
OVER()
子句中的ORDER BY
操作是性能瓶颈的主要来源。数据库需要对数据进行排序才能执行窗口计算。如果PARTITION BY
子句将数据分成大量小分区，或者分区内的数据量巨大，排序的开销就会很高。 -
内存消耗： 尤其是在
ORDER BY
子句中没有PARTITION BY
，或者PARTITION BY
只分成了少数几个大分区时，整个数据集可能需要在内存中进行排序，这会消耗大量内存。如果数据量超出内存，数据库会使用磁盘进行溢出排序，导致I/O操作增加，性能急剧下降。 -
索引利用： 确保
PARTITION BY
和ORDER BY
子句中使用的列有合适的索引。这将大大加速数据的分区和排序过程。一个复合索引，例如(partition_column, order_column)
，通常效果最佳。 -
窗口框架的选择：
ROWS
或RANGE
子句定义了窗口的范围。如果窗口范围很小（比如ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING
），数据库可能能更有效地处理。而UNBOUNDED PRECEDING
或UNBOUNDED FOLLOWING
则意味着窗口可能包含整个分区，计算量更大。 -
避免不必要的窗口函数： 如果一个简单的
GROUP BY
或子查询就能满足需求，就不要强行使用窗口函数。虽然它们很酷，但不是万能药。
在实际项目中，我通常会先用窗口函数写出逻辑清晰的查询，然后在测试环境用真实数据量进行性能测试。如果发现性能瓶颈，我会检查索引、调整窗口框架，甚至考虑是否可以通过分阶段处理（比如先聚合部分数据，再应用窗口函数）来优化。性能优化是一个迭代的过程，没有一劳永逸的解决方案。
以上就是SQL中的窗口函数是什么？RANK、ROW_NUMBER等详解的详细内容，更多请关注知识资源分享宝库其它相关文章！
相关标签： go 大数据 工具 ai win 性能测试 区别 datediff 聚合函数 为什么 sql NULL count select 数据库 数据分析 性能优化 大家都在看： 如何插入查询结果数据_SQL插入Select查询结果方法 SQL临时表存储聚合结果怎么做_SQL临时表存储聚合数据方法 Oracle数据源连接泄露防范_Oracle数据源连接泄漏预防措施 Oracle透明数据源怎么配置_Oracle透明数据源建立方法解析 SQLAVG函数计算时如何保留小数_SQLAVG函数保留小数位方法
发表评论:
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。