本文将介绍MySQL8的新特性——窗口函数，从概念、语法、示例等各方面详细解析窗口函数，以及解析面试中窗口函数常考的题目和知识点。
窗口函数（Windows Function），也被称为分析函数（Analytic Functions），在Oracle中使用已久，但直到MySQL8才开始引入。窗口函数非常强大，在工作中应用非常广泛，专门用于处理复杂的统计分析问题，例如移动平均、累计总和、百分比排名等，它可直接添加新的聚合字段，而不必在数据库应用程序级别编写额外的代码。

环境：MySQL 8.0.32

下文语法中[]包括的内容表示可选项

以下示例均用下表以及下表数据进行演示：

-- 创建一个销售表（sales），其中包含销售日期（sale_date）、销售员ID（sale_id）和销售额（sale_amount）
CREATE TABLE sales (  id INT AUTO_INCREMENT PRIMARY KEY,  sale_date DATE,  sale_id INT,  sale_amount DECIMAL(10, 2)  
);  -- 插入一些示例数据  
INSERT INTO sales (sale_date, sale_id, sale_amount) VALUES  
('2023-01-01', 1, 1000.00),  
('2023-01-02', 1, 1200.00),  
('2023-01-03', 2, 800.00),  
('2023-01-03', 1, 1000.00),  
('2023-01-05', 2, 900.00),  
('2023-01-01', 3, 700.00),  
('2023-01-02', 3, 750.00),  
('2023-01-03', 4, 600.00),  
('2023-01-04', 3, 800.00),  
('2023-01-05', 4, 650.00);

---

一、 概念

窗口函数会对数据进行分组，每个分组即为一个窗口。和分组聚合不同，窗口函数会对窗口中每一条记录进行应用，不会使记录变少（每一行返回一个结果），其重点是当前行与窗口以及窗口中其他行的联系。

二、语法

基本语法

SELECT WINDOW_FUNCTION() OVER([PARTITION BY `字段1`, `字段2`, ...][ORDER BY `字段3`, `字段4`][FRAME_CLAUSE]) [AS `别名`]
FROM `表名` ;

注意： 窗口函数可使用别名

语法解析

WINDOW_FUNCTION
MySQL8支持以下几类窗口函数：

• 序号函数：用于为窗口内的每一行生成一个序号，例如 ROW_NUMBER()，RANK()，DENSE_RANK() 等。
• 分布函数：用于计算窗口内的每一行在整个分区中的相对位置，例如 PERCENT_RANK()，CUME_DIST() 等。
• 前后函数：用于获取窗口内的当前行的前后某一行的值，例如 LAG()，LEAD() 等。
• 头尾函数：用于获取窗口内的第一行或最后一行的值，例如 FIRST_VALUE()，LAST_VALUE() 等。
• 聚合函数：用于计算窗口内的某个字段的聚合值，例如 SUM()，AVG()，MIN()，MAX() 等。

OVER
OVER关键字用于标识是否使用窗口函数，有两种用法：

• OVER()，常规用法，窗口规范放在括号中。如窗口规范为空，表示没有窗口划分，默认所有数据为一组。
• OVER window_name：由FROM后的WINDOW子句定义窗口规范，可重复使用。下文进阶语法-命名窗口中会进行详细解析。

PARTITION BY
用于将记录划分为不同的分区，窗口函数在每个分区上分别执行。可以使用多个字段进行分区。

ORDER BY
用于将每个分区中的记录进行排序，窗口函数将按照排序后的顺序进行计算。可使用多个字段进行排序，默认ASC（升序）。

FRAME_CLAUSE
框架子句，用于指定每个分区的数据范围。下文进进阶语法-框架中会进行详细解析

进阶语法

命名窗口WINDOW AS

有时候多次重复定义或引用相同的窗口，很繁琐。为了避免重复定义，减少语句的繁琐，可以在WINDOW子句中定义并命名窗口，并在OVER中通过窗口名进行引用。一次定义，多次引用。
语法定义如下：

SELECT  WINDOW_FUNCTION() OVER `窗口名`|(`窗口名` ...)
FROM `表名` 
WINDOW `窗口名` AS ()

说明：

• WINDOW子句中的括号内的部分就是原OVER子句后的窗口定义。使用OVER关键字调用窗口时，可直接引用窗口名，或者可对窗口进行进一步的加工，使用括号括起来并在其中使用其他的窗口规范。
• 一个命名窗口的定义本身也可以以一个窗口名开头。这样可以实现窗口之间的引用，但不能形成循环。

示例：

-- 查询每个销售员最早和最晚的销售日期
SELECT DISTINCT `sale_id`,FIRST_VALUE(`sale_date`) OVER (w ORDER BY `sale_date` DESC) first_date_desc,FIRST_VALUE(`sale_date`) OVER w first_date_asc
FROM `salse`
WINDOW w AS (PARTITION BY `sale_id`); 

-- 定义了三个命名窗口，其中第二个和第三个都引用了第一个，这样每个窗口就可以根据不同的范围来计算累计和
SELECT sale_amount,SUM(`sale_amount`) OVER w1 AS sum_amount1,SUM(`sale_amount`) OVER w2 AS sum_amount2,SUM(`sale_amount`) OVER w3 AS sum_amount3
FROM `salse`
WINDOW w1 AS (ORDER BY `sale_amount`),w2 AS (w1 ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW),w3 AS (w1 RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW);

框架FRAME_CLAUSE

框架是窗口的一个子集，通过框架子句可以显式定义框架的范围，指定每个分区内应用窗口函数的一小部分数据的区域。可根据当前行动态的变化，或者选定一个静态的范围。
frame_clause由两个子句组成，语法定义如下：

frame_units frame_extent

解析
frame_units（框架单位）指定框架使用的单位，有两种：

• ROWS：基于行数，通过起始行和结束行来划定框架的范围，边界是明确的一行。

• RANGE：基于值的大小，通过具有相同值的行来划定框架的范围，边界是一个范围，具有相同值的行作为一个整体看待。

frame_extend（框架范围）指定窗口范围的起始位置和结束位置，可通过BETWEEN frame_start AND frame_end子句定义，frame_start和frame_end有以下几种形式：

• CURRENT ROW：当前行
• UNBOUNDED PRECEDING：分区中第一行
• UNBOUNDED FOLLOWING：分区中最后一行
• expr PRECEDING：当框架单位是ROWS时， 边界是当前行的前expr行。当框架单位是RANGE时，边界是值和"当前行的值减去expr"相等的行，可能有多个，统一视为一个边界。
• expr FOLLOWING：当框架单位是ROWS时， 边界是当前行的后expr行。当框架单位是RANGE时，边界是值和"当前行的值加上expr"相等的行，可能有多个，统一视为一个边界。

以下为框架范围图示：

注意：

• 含有ORDER BY子句，框架从组内第一行到当前行
• 不含ORDER BY子句，框架从组内第1行到最后一行（组内所有行）
• 如果没有指定frame_clause，则默认为RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW，即从分区开始到与当前行值相同的行。
• 如果没有定义框架的终点，则默认终点为CURRENT ROW当前行

示例：

SELECT `sale_id`, `sale_amount`,SUM(`sale_amount`) OVER (PARTITION BY `sale_id` ORDER BY `sale_amount` ROWS 1 PRECEDING) AS s1,SUM(`sale_amount`) OVER (PARTITION BY `sale_id` ORDER BY `sale_amount` RANGE 1 PRECEDING) AS s2,SUM(`sale_amount`) OVER (PARTITION BY `sale_id` ORDER BY `sale_amount` RANGE 100 PRECEDING) AS s3
FROM `sales`;

结果如下：

以上示例中：

• s1框架单位为ROWS，框架范围为1 PRECEDING，起点边界为当前行的前一行，终点默认为当前行。
• s2框架范围为RANGE，框架范围为1 PRECEDING，起点边界为“当前行的值减去1”，终点默认为当前行。但是值差距都比1大，起点都无法触及之前的行，所以每行的框架都只包含当前行。
• s3框架范围为RANGE，框架范围为100 PRECEDING，起点边界为“当前行的值减去100”，终点默认为当前行，即取每个分区中值的范围在区间[当前行值-100，当前行值]内的所有行。
  • sale_id为1的分组中，第2行的sale_amount为1000，因此框架包含值在[1000-100, 1000]范围内的所有行，即第1，2行，sum求和结果为2000。其他分组同理。
  • sale_id为1的分组中，第3行的sale_amount为1200，因此框架包含值在[1200-100, 1200]范围内的所有行，只有第3行，则sum求和结果为其本身的值。

三、窗口函数

聚合函数在窗口中使用与分组中相同，不做详细解析。以下介绍的专用窗口函数必须搭配OVER关键字使用。

ROW_NUMBER

无参数，返回当前行在分组内的序号，从1开始，每一行都有唯一的序号。
如果无ORDER BY子句，行的编号不确定。

RANK

无参数，返回当前行在分组内的序号，排序带间隙（序号不连续），值相同，序号相同。
可使用ORDER BY子句指定按某列进行排序。如无ORDER BY子句，则所有行的序号都为1。

DENSE_RANK

无参数，返回当前行在分组内的排序，排序不带间隙（序号连续），值相同，序号相同。

示例：

SELECT `sale_id`, `sale_amount`,ROW_NUMBER() OVER (PARTITION BY `sale_id` ORDER BY `sale_amount`) AS row_number排序,RANK() OVER (PARTITION BY `sale_id` ORDER BY `sale_amount`) AS rank排序,DENSE_RANK() OVER (PARTITION BY `sale_id` ORDER BY `sale_amount`) AS dense_rank排序
FROM `sales`;

结果如下：

PERCENT_RANK

百分比排序，返回当前行在分组内的百分比位置，返回值范围为[0, 1]，第1行的百分比位置是0%。
计算公式：(rank-1)/(rows-1)，rank为RANK函数返回的序号，rows为组内总行数。
示例：

SELECT `sale_id`,`sale_amount`,RANK() OVER (PARTITION BY `sale_id` ORDER BY `sale_amount`) rank排序PERCENT_RANK() OVER (PARTITION BY `sale_id` ORDER BY `sale_amount`) percent_rank排序
FROM `sales`;

结果如下：

以上示例中：sale_id为1的分组中，第3行RANK排序为3，组内总行数为3，所以PRECENT_RANK为(3-1)/(3-1)=1。其他同理。

CUME_DIST

累积分布（cumulative distribution），返回分组中值的累积分布，数据分布从0到1。
计算公式：(值小于等于当前行的行数)/分组内总行数。
示例：

SELECT`sale_id`,`sale_amount`,CUME_DIST() OVER (PARTITION BY `sale_id` ORDER BY `sale_amount`) 累积分布
FROM `sales`;

结果如下：

以上示例中：

• sale_id为1的分组中，小于等于第1行值的行为第1、2行，所以2/3=0.666…。第2行同理。
• sale_id为2的分组中，小于等于第4行值的行只有第4行，所以1/2=0.5。而小于等于第5行的值的行有第4、5行，所以2/2=1。其他分组同理。

FIRST_VALUE与LAST_VALUE

FIRST_VALUE(offset)：返回当前框架对应参数第一行的值，参数expr为要检索的列或表达式，根据排序定义不同而变化。
LAST_VALUE(offset)：返回当前框架对应参数最后一行的值，参数expr为要检索的列或表达式，根据排序定义不同而变化。

NTH_VALUE

NTH_VALUE(offset, N)：返回当前框架第N行对应参数的值，没有时返回NULL。参数expr为要检索的列或表达式，参数offset为第几行。
用得较少，可以根据以上示例自己尝试练习。

LAG与LEAD

LAG(expr [, offset [, default]])：返回当前框架内当前行之前的某一行的值。参数expr为要检索的列或表达式，参数offset为要返回的行数，如果不指定，默认为1，即上一行。参数default为当指定的行数超出结果集范围时，返回的默认值。
LEAD(expr [, offset [, default]])：返回当前框架内当前行之后的某一行的值。参数expr为要检索的列或表达式，参数offset为要返回的行数，如果不指定，默认为1，即下一行。参数default为当指定的行数超出结果集范围时，返回的默认值。
示例1：

SELECT`sale_id`,`sale_amount`,LAG(`sale_amount`*2) OVER w 当前行前1行乘2,LAG(`sale_amount`,1,'不存在') OVER w 当前行前1行带默认值,`sale_amount`-LAG(`sale_amount`,2) OVER w 当前值与前2行的差
FROM `sales`WINDOW w AS (PARTITION BY `sale_id` ORDER BY `sale_amount`);

结果如下：

示例2：

SELECT`sale_id`,`sale_amount`,LEAD(`sale_amount`*2) OVER w 当前行后1行乘2,LEAD(`sale_amount`,1,'不存在') OVER w 当前行后1行带默认值,`sale_amount`-LEAD(`sale_amount`,1) OVER w 当前值与后1行的差
FROM `sales`WINDOW w AS (PARTITION BY `sale_id` ORDER BY `sale_amount`);

结果如下：

NTILE

NTILE(N)：分区内有序数据根据不同等级分为N个桶，记录桶编号。参数为子分区数量。
用得较少，可以根据以上示例自己尝试练习。

四、窗口函数使用事项

• 窗口函数可以在不改变原表行数的情况下，对每个分区内的查询行进行聚合、排序、排名等操作，提高了数据分析的灵活性和效率。
• 窗口函数可以使用滑动窗口来处理动态的数据范围。
• 窗口函数可以与普通聚合函数、子查询等结合使用，实现更复杂的查询逻辑。
• 窗口函数的语法较为复杂，需要注意OVER子句中的各个参数的含义和作用。
• 窗口函数的执行效率可能不如普通聚合函数，因为它需要对每个分区内的每个查询行进行计算，而不是折叠为单个输出行。但一般来说，窗口函数的性能优于使用子查询或连接的方法，因为窗口函数只需要扫描一次数据，而子查询或连接可能需要多次扫描或连接。
• 窗口函数只能在SELECT列表和ORDER BY子句中使用，不能用于WHERE、GROUP BY、HAVING等子句中。

五、窗口函数优化方法

• 选择合适的窗口函数，避免使用复杂或重复的窗口函数。
• 使用Named Windows来定义和引用窗口，避免在多个OVER子句中重复定义相同的窗口。
• 尽量减少分区和排序的代价，使用索引或物化视图来加速分区和排序。
• 尽量减少窗口的大小，使用合适的frame_clause来限制窗口内的数据范围。
• 尽量使用并行处理来加速窗口函数的计算，利用多核或分布式系统来提高效率。

六、面试常问（持续更新）

1.序号函数:row_number(),rank(),dense_rank()的区别
ROW_NUMBER，顺序排序——1、2、3
RANK，并列排序，跳过重复序号——1、1、3
DENSE_RANK，并列排序，不跳过重复序号——1、1、2

2.求连续登录3天的用户
解题思路：
①同一用户不可能在同一时间登录，不可能出现相同的登录时间，所以可以使用窗口函数根据用户进行分组，再根据登录时间进行排序，窗口函数可使用任一排序函数。
②如果连续登录，那么登录时间减去序号所获得的日期相同。
③统计获得的相同日期的个数，等于3的即为所求

解题过程（使用以上数据集）：
根据sale_id分区，根据sale_date排序，DATA_SUB函数在sale_date日期上减去序号的天数获得data_flag。

SELECT `sale_id`,`sale_date`,`rn`,DATE_SUB(`sale_date`, INTERVAL `rn` DAY) AS `date_flag`
FROM (SELECT *,ROW_NUMBER() OVER (PARTITION BY `sale_id` ORDER BY `sale_date` ASC) AS `rn`FROM `sales`
) tmp

最终答案（使用以上数据集）：
根据sale_id分区排序后，分组统计登录时间减去序号获得的相同日期的个数，等于3即为连续登录3天的用户。

SELECT `sale_id`,COUNT(*) AS`days_count`
FROM (SELECT *,ROW_NUMBER() OVER (PARTITION BY `sale_id` ORDER BY `sale_date` ASC) AS `rn`FROM `sales`) tmp
GROUP BY `sale_id`, DATE_SUB(`sale_date`, INTERVAL `rn` DAY)
HAVING days_count=3

---

如有问题和建议，可私信或评论，非常感谢。