窗口函数在统计类的需求中很常见，稍微复杂一点的查询需求就有可能用到它，使用窗口函数能够极大的简化咱们的 SQL 语句。像 Oracle、SQL Server 这些数据库在较早的版本就支持窗口函数了，MySQL 直到 8.0 版本后才支持它。html
本文将介绍一些经常使用的窗口函数的用法。窗口函数按照实现方式分红两种：一种是非聚合窗口函数，另一种是聚合窗口函数。mysql
非聚合窗口函数是相对于聚合窗口函数来讲的。聚合函数是对一组数据计算后返回单个值（即分组），非聚合函数一次只会处理一行数据。窗口聚合函数在行记录上计算某个字段的结果时，可将窗口范围内的数据输入到聚合函数中，并不改变行数。算法
1 非聚合窗口函数
MySQL 支持的非聚合窗口函数见表1。sql
| 名称 | 描述 |
|---|---|
CUME_DIST() |
累积分配值 |
DENSE_RANK() |
当前行在其分区中的排名，稠密排序 |
FIRST_VALUE() |
指定区间范围内的第一行的值 |
LAG() |
取排在当前行以前的值 |
LAST_VALUE() |
指定区间范围内的最后一行的值 |
LEAD() |
取排在当前行以后的值 |
NTH_VALUE() |
指定区间范围内第N行的值 |
NTILE() |
将数据分到N个桶，当前行所在的桶号 |
PERCENT_RANK() |
排名值的百分比 |
RANK() |
当前行在其分区中的排名，稀疏排序 |
ROW_NUMBER() |
分区内当前行的行号 |
<center>表1 非聚合窗口函数列表</center>数据库
经常使用的函数有：ROW_NUMBER()、RANK()、DENSE_RANK()、LEAD()、LAG()、NTH_VALUE()、FIRST_VALUE()、LAST_VALUE()。微信
-
ROW_NUMBER()、RANK()、DENSE_RANK()函数ROW_NUMBER()、RANK()、DENSE_RANK()都是排序函数，均可以给区间内的数生成序号。若是区间内不存在重复值，它们的计算结果同样。.net当出现重复值时，
ROW_NUMBER()不考虑重复值，它会给相同的两个值分配不一样的编号，编号的范围是从 1 到分区的行数。RANK()和DENSE_RANK()给重复的值生成相同的编号。不一样的是，RANK()生成的序号有间隙，即重复值的下一项的编号和重复值的编号并不连续（下一项的值的编号 $\neq$ 当前重复值项的编号+1），而DENSE_RANK()就不是这样。code这几个函数的区别可结合下面的例子分析。htm
SELECT sal, ROW_NUMBER() OVER(ORDER BY sal) AS 'rn', RANK() OVER(ORDER BY sal) AS 'rk', DENSE_RANK() OVER(ORDER BY sal) AS 'dk' FROM emp; sal rn rk dk ------- ------ ------ -------- 800.00 1 1 1 950.00 2 2 2 1100.00 3 3 3 1250.00 4 4 4 1250.00 5 4 4 1300.00 6 6 5 1500.00 7 7 6 1600.00 8 8 7 2450.00 9 9 8 2850.00 10 10 9 2975.00 11 11 10 3000.00 12 12 11 3000.00 13 12 11 5000.00 14 14 12
若是没有指定
partition by 分区字段，那么窗口函数操做的区间就是所有数据。咱们可让函数只做用在 deptno 分区。SELECT sal, deptno, ROW_NUMBER() OVER( PARTITION BY deptno ORDER BY sal) AS 'rn' FROM emp; sal deptno rn ------- ------ -------- 1300.00 10 1 2450.00 10 2 5000.00 10 3 800.00 20 1 1100.00 20 2 2975.00 20 3 3000.00 20 4 3000.00 20 5 950.00 30 1 1250.00 30 2 1250.00 30 3 1500.00 30 4 1600.00 30 5 2850.00 30 6若是咱们要获取 emp 表中每一个部门工资最高的前两名员工的信息，使用
ROW_NUMBER()就能够这么写。SELECT * FROM (SELECT empno, ename, deptno, sal, ROW_NUMBER() OVER( PARTITION BY deptno ORDER BY sal DESC ) AS rn FROM emp) t WHERE rn <= 2; empno ename deptno sal rn ------ ------ ------ ------- -------- 7839 KING 10 5000.00 1 7782 CLARK 10 2450.00 2 7788 SCOTT 20 3000.00 1 7902 FORD 20 3000.00 2 7698 BLAKE 30 2850.00 1 7499 ALLEN 30 1600.00 2注意，若是在
OVER()中没有ORDER子句，那么，ROW_NUMBER()生成的编号是不肯定的，而RANK()、DENSE_RANK()生成的编号都是 1 。 -
LAG()、LEAD()LAG()能够得到位于当前行以前的数据，若是指定了分区，则获取数据的范围只能在分区内。默认是获取上一条的记录，若是没有获取到，则返回 NULL。LAG()的表达式是LAG(expr [, N[, default]]) [null_treatment]over_clause，咱们能够指定向后获取第 N 行，以及在获取不到数据时指定默认值。LEAD()的表达式和LAG()是同样的，所以在LEAD()中也能够指定获取的行数 N 及默认值。SELECT empno, sal, LAG(sal) OVER(ORDER BY empno)AS 'lag', LEAD(sal) OVER(ORDER BY empno)AS 'lead', LAG(sal,2,0) OVER(ORDER BY empno)AS 'lag_2' FROM emp LIMIT 6; empno sal lag lead lag_2 ------ ------- ------- ------- --------- 7369 800.00 (NULL) 1600.00 0.00 7499 1600.00 800.00 1250.00 0.00 7521 1250.00 1600.00 2975.00 800.00 7566 2975.00 1250.00 1250.00 1600.00 7654 1250.00 2975.00 2850.00 1250.00 7698 2850.00 1250.00 2450.00 2975.00
咱们使用
LAG(sal,2,0)获取当前行向前偏移 2 行的值，在当前行的编号是 1 和 2 时，因为偏移的行不存在，只能返回默认值 0 。 -
FIRST_VALUE()、LAST_VALUE()、NTH_VALUE()这几个函数能够分别获取区间范围内第一行、最后一行、第 N 行的值。
SELECT empno, deptno, FIRST_VALUE(empno) OVER( PARTITION BY deptno ORDER BY empno)AS 'first', LAST_VALUE(empno) OVER( PARTITION BY deptno ORDER BY empno ROWS BETWEEN unbounded preceding AND unbounded following)AS 'last', NTH_VALUE(empno,2) OVER( PARTITION BY deptno ORDER BY empno)AS 'nth_2' FROM emp; empno deptno first last nth_2 ------ ------ ------ ------ -------- 7782 10 7782 7934 (NULL) 7839 10 7782 7934 7839 7934 10 7782 7934 7839 7369 20 7369 7902 (NULL) 7566 20 7369 7902 7566 7788 20 7369 7902 7566 7876 20 7369 7902 7566 7902 20 7369 7902 7566 7499 30 7499 7900 (NULL) 7521 30 7499 7900 7521 7654 30 7499 7900 7521 7698 30 7499 7900 7521 7844 30 7499 7900 7521 7900 30 7499 7900 7521当在
OVER()中指定了排序字段，FIRST_VALUE()、LAST_VALUE()、NTH_VALUE()这几个函数的滑动窗口范围是从第一行到当前行（即RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW），直接使用LAST_VALUE()获得的结果并非咱们直觉上想看到的那样。所以，须要把LAST_VALUE()的窗口范围改为RANGE BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING。关于滑动窗口更加详细的描述，在后面有讲到。
-
NTILE()NTILE(N)将一个分区划分为N个组（桶），给分区中的每一行分配其桶号，并返回其分区中当前行的桶号。SELECT empno, deptno, NTILE(2) OVER( PARTITION BY deptno ORDER BY empno) AS ntile2 FROM emp; empno deptno ntile2 ------ ------ -------- 7782 10 1 7839 10 1 7934 10 2 7369 20 1 7566 20 1 7788 20 1 7876 20 2 7902 20 2 7499 30 1 7521 30 1 7654 30 1 7698 30 2 7844 30 2 7900 30 2 -
CUME_DIST()统计一组数据中小于等于（或大于等于，和
OVER()中指定的排序行为有关系）当前行的值的百分比。SELECT sal, ROW_NUMBER() OVER( ORDER BY sal) AS rn, CUME_DIST() OVER( ORDER BY sal) AS dist FROM emp; sal rn dist ------- ------ --------------------- 800.00 1 0.07142857142857142 950.00 2 0.14285714285714285 1100.00 3 0.21428571428571427 1250.00 4 0.35714285714285715 1250.00 5 0.35714285714285715 1300.00 6 0.42857142857142855 1500.00 7 0.5 1600.00 8 0.5714285714285714 2450.00 9 0.6428571428571429 2850.00 10 0.7142857142857143 2975.00 11 0.7857142857142857 3000.00 12 0.9285714285714286 3000.00 13 0.9285714285714286 5000.00 14 1
当咱们在
OVER()指定排序的行为是ORDER BY sal DESC时，看到的倒是另外一番景象。SELECT sal, ROW_NUMBER() OVER( ORDER BY sal DESC) AS rn, CUME_DIST() OVER( ORDER BY sal DESC) AS dist FROM emp; sal rn dist ------- ------ --------------------- 5000.00 1 0.07142857142857142 3000.00 2 0.21428571428571427 3000.00 3 0.21428571428571427 2975.00 4 0.2857142857142857 2850.00 5 0.35714285714285715 2450.00 6 0.42857142857142855 1600.00 7 0.5 1500.00 8 0.5714285714285714 1300.00 9 0.6428571428571429 1250.00 10 0.7857142857142857 1250.00 11 0.7857142857142857 1100.00 12 0.8571428571428571 950.00 13 0.9285714285714286 800.00 14 1
PERCENT_RANK()和CUME_DIST()同样，也是统计某个值的分配状况，只是它们的算法不同。PERCENT_RANK()的计算公式：(rank - 1) / (rows - 1)
其中，rank 表示行的等级（若是出现重复值，则用最小的那个编号），rows 表示分区的行数。具体请看下面这个例子。
SELECT empno, sal, ROW_NUMBER() OVER(ORDER BY sal) AS rn, PERCENT_RANK() OVER(ORDER BY sal) AS percent FROM emp; sal rn percent ------- ------ --------------------- 800.00 1 0 950.00 2 0.07692307692307693 1100.00 3 0.15384615384615385 1250.00 4 0.23076923076923078 1250.00 5 0.23076923076923078 1300.00 6 0.38461538461538464 1500.00 7 0.46153846153846156 1600.00 8 0.5384615384615384 2450.00 9 0.6153846153846154 2850.00 10 0.6923076923076923 2975.00 11 0.7692307692307693 3000.00 12 0.8461538461538461 3000.00 13 0.8461538461538461 5000.00 14 1
当 sal = 800 时，percent = (1 -1 ) / (14 - 1) = 0；
当 sal = 1250 时，存在两个编号：4 跟 5。取最小的编号，则 percent = (4 -1 ) / (14 - 1) = 0.230769；
当 sal = 5000 时， percent = (14 -1 ) / (14 - 1) = 1。
注意，若是在
OVER()中没有指定ORDER子句，那么PERCENT_RANK()计算的结果都是同样的。
2 聚合窗口函数
在下面这些聚合窗口函数后面加上 OVER() 子句，它们就变成了聚合窗口函数。
AVG() BIT_AND() BIT_OR() BIT_XOR() COUNT() JSON_ARRAYAGG() JSON_OBJECTAGG() MAX() MIN() STDDEV_POP(), STDDEV(), STD() STDDEV_SAMP() SUM() VAR_POP(), VARIANCE() VAR_SAMP()
经常使用的聚合窗口函数有：AVG() OVER()、COUNT() OVER()、MAX() OVER()、MIN() OVER()、SUM() OVER()。
下面这个例子，它利用窗口函数只查一次 emp 表完成了这些需求：
- 统计全部员工的薪资；
- 统计每一个部门的人数；
- 计算每一个部门的平均薪资；
- 获取公司里面的最高薪资;
- 获取最先入职的员工的入职时间。
SELECT empno AS '编号', ename AS '姓名', sal AS '薪资', deptno AS '部门编号', SUM(sal) OVER() AS '薪资总额', COUNT(*) OVER(PARTITION BY deptno) AS '部门人数', AVG(sal) OVER(PARTITION BY deptno) AS '部门平均薪资', MAX(sal) OVER() AS '最高薪资', MIN(hiredate) OVER() '最先入职时间' FROM emp;
输出结果>>>
3 命名窗口函数
咱们能够用 WINDOWS 关键字给窗口起别名，并在OVER() 中引用它。命名窗口子句位于 HAVING 子句和 ORDER 子句的位置之间，其语法以下：
WINDOW window_name AS (window_spec)
[, window_name AS (window_spec)]
咱们能够同时定义多个窗口名字。
再来看下 window_spec 的定义：
window_spec:
[window_name] [partition_clause] [order_clause] [frame_clause]
也就是说，咱们在定义一个窗口函数时，能够指定下面这些内容：
- 引用的窗口别名，好比先定义了窗口 w1，再在窗口 w2 中引用 w1，就像这样
WINDOW w1 AS (w2), w2 AS ()。可是，不能循环引用。 PARTITION子句；ORDER子句；- 滑动窗口范围。
对于在 SQL 中使用了多个窗口函数，且这些窗口函数中的 OVER() 的内容都相同，使用命名窗口函数就很合适。
好比，对于下面这条 SQL。
SELECT sal, ROW_NUMBER() OVER (ORDER BY sal) AS 'row_number', RANK() OVER (ORDER BY sal) AS 'rank', DENSE_RANK() OVER (ORDER BY sal) AS 'dense_rank' FROM emp;
能够改形成命名窗口的形式。一旦想改变 OVER() 里面的内容，只需改动命名窗口里面的内容，而不用像原来的 SQL 那样要改动每一个窗口函数的内容。
SELECT sal, ROW_NUMBER() OVER w AS 'row_number', RANK() OVER w AS 'rank', DENSE_RANK() OVER w AS 'dense_rank' FROM emp WINDOW w AS (ORDER BY sal);
咱们再来看一个复杂一点的例子。
SELECT deptno, sal, ROW_NUMBER() OVER w2 AS 'row_number', RANK() OVER (w1 ORDER BY sal) AS 'rank', DENSE_RANK() OVER w3 AS 'dense_rank' FROM emp WINDOW w1 AS(PARTITION BY deptno), w2 AS(ORDER BY sal), w3 AS(w2) ORDER BY sal;
咱们在 RANK() OVER() 的子句里面引用了窗口 w1，并在其后面接入了 ORDER 子句；在定义窗口 w3 时，咱们直接引用了窗口 w2，即窗口 w3 所表现的行为和 w2 一致。
实际上，上面这条 SQL 等价于下面这条 SQL。
SELECT
deptno,
sal,
ROW_NUMBER() OVER (
ORDER BY sal) AS 'row_number',
RANK() OVER (
PARTITION BY deptno ORDER BY sal) AS 'rank',
DENSE_RANK() OVER (ORDER BY sal) AS 'dense_rank'
FROM emp
ORDER BY sal;
4 动态窗口
咱们来看下 OVER()的语法结构：
over_clause:
{OVER (window_spec) | OVER window_name}
window_spec:
[window_name] [partition_clause] [order_clause] [frame_clause]
PARTITION 子句和 ORDER 子句你们都比较熟悉了，接下来给你们介绍 FRAME 子句。
FRAME 子句的就是用来实现动态窗口。窗口函数在每行记录上执行，有的函数的窗口不会发生变化，这种就属于静态窗口；有的函数随着记录不一样，窗口大小也在不断变化，这种就属于动态窗口。
看下面这个例子，咱们经过滑动窗口实现随着时间的变化累加部门的薪资，以及计算当前行和上下行记录的平均薪资。
SELECT empno, deptno, sal, SUM(sal) OVER(PARTITION BY deptno ORDER BY hiredate ROWS UNBOUNDED PRECEDING) AS total, AVG(sal) OVER(PARTITION BY deptno ORDER BY hiredate ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING) AS average FROM emp; empno deptno sal total average ------ ------ ------- -------- ------------- 7782 10 2450.00 2450.00 3725.000000 7839 10 5000.00 7450.00 2916.666667 7934 10 1300.00 8750.00 3150.000000 7369 20 800.00 800.00 1887.500000 7566 20 2975.00 3775.00 2258.333333 7902 20 3000.00 6775.00 2991.666667 7788 20 3000.00 9775.00 2366.666667 7876 20 1100.00 10875.00 2050.000000 7499 30 1600.00 1600.00 1425.000000 7521 30 1250.00 2850.00 1900.000000 7698 30 2850.00 5700.00 1866.666667 7844 30 1500.00 7200.00 1866.666667 7654 30 1250.00 8450.00 1233.333333 7900 30 950.00 9400.00 1100.000000
当计算 empno = 7782 这行记录时，total = 2450，average = （2450 + 5000）/ 2 = 3725；
当计算 empno = 7839 这行记录时，total = 2450 + 5000 = 7450，average = （2450 + 5000 + 1300）/ 3 = 2916.66；
当计算 empno = 7934 这行记录时，total = 2450 + 5000 + 1300 = 8750，average = （5000 + 1300）/ 2 = 3150；
能够经过基于行或者基于范围的方式指定窗口的大小：
- 基于行：选择当前行的先后几行。好比范围是当前行的往前两行和日后三行，就能够这么写语句
ROWS BETWEEN 2 PRECEDING AND 3 FOLLOWING。 - 基于范围：选择数据范围。例如获取值在区间 [c-2，c+3]的数据，语句就是
RANGE BETWEEN 2 PRECEDING AND 3 FOLLOWING，c 表示当前行的值。典型的应用场景是统计天天的日活、月活，这些用基于行的方式很差表示。
咱们再来看关于指定窗口大小的表达式：
CURRENT ROW 边界是当前行，通常和其余范围关键字一块儿使用 UNBOUNDED PRECEDING 边界是分区中的第一行 UNBOUNDED FOLLOWING 边界是分区中的最后一行 expr PRECEDING 边界是当前行减去expr的值 expr FOLLOWING 边界是当前行加上expr的值
关于 expr 的有效的表达式能够是：
10 PRECEDING INTERVAL 5 DAY PRECEDING 5 FOLLOWING INTERVAL '2:30' MINUTE_SECOND FOLLOWING
注意，有些窗口函数即便指定了FRAME 子句，在计算的时候仍然选择的全分区的数据。这些函数包括：
CUME_DIST() DENSE_RANK() LAG() LEAD() NTILE() PERCENT_RANK() RANK() ROW_NUMBER()
FRAME 子句的默认值取决因而否有 ORDER 子句。
- 当存在于
ORDER BY时，默认值为分区起始行到当前行，包含和当前行的值相等的其它行。语句至关因而ROW UNBOUNDED PRECEDING或者ROW BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW。 - 当不存在
ORDER BY时，默认是分区的全部行，即ROW BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING。
5 窗口函数的限制
- 窗口函数不能直接用在
UPDATE和DELETE语句中，但能够用在子查询中； - 不支持嵌套窗口函数；
- 聚合窗口函数中不能使用
DISTINCT； - 依赖于当前行的值的滑动窗口端点。
本文分享自微信公众号 - SQL实现（gh_684ee9235a26）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。