【MySQL 8.0新特性】窗口函数

1. 窗口函数概述

什么是窗口函数？

窗口函数是MySQL8.0新增的，窗口函数又称开窗函数，属于MySQL的一大特点。

非聚合窗口函数是相对于聚函数来说的。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。

窗口函数有什么用？

窗口函数可以对数据库数据进行实时分析处理，比如市场分析、创建财务报表、创建计划等日常性商务工作。

窗口函数分为哪几种？

窗口函数分为以下几种：

1. 序号函数
   • ROW_NUMBER() —— 排序:1,2,3
   • RANK0 —— 排序: 11,3
   • DENSE_RANK() —— 排序: 1,1,2
2. 分布函数
   • PERCENT_RANK() —— (rank-1) /(rows-1)
   • CUME_DIST() —— <=当前rank值的行数/总行数
3. 前后函数
   • LAG (expr,n) —— 返回当前行的前n行的expr的值
   • LEAD (expr,n) —— 返回当前行的后n行的expr的值
4. 头尾函数
   • FIRST_VALUE(expr) —— 返回第一个expr的值
   • LAST_VALUE (expr) —— 返回最后一个expr的值
5. 其他函数
   • NTH_VALUE (expr,n) —— 返回第n个expr的值
   • NTILE (n) —— 将有序数据分为n个桶，记录等级数

窗口函数的基本用法是怎么样的？

<窗口函数> OVER ( [PARTITION BY <列清单>] ORDER BY <排序用列清单>)

over关键字用来指定函数执行的窗口范围,若后面括号中什么都不写，则意味着窗口包含满足WHERE条件的所有行，窗口函数基于所有行进行计算；如果不为空,则支持以下4中语法来设置窗口。

1. window_name:给窗口指定一个别名。如果SQL中涉及的窗口较多,采用别名可以看起来更清晰易读

2. partition by子句：窗口按照哪些字段进行分组,窗口函数在不同的分组上分别执行，**它的作用类似于GROUP BY分组。**如果省略了 PARTITION BY，所有的数据作为一个组进行计算

3. order by子句：按照哪些字段进行排序,窗口函数将按照排序后的记录顺序进行编号

4. frame子句：frame是当前分区的一个子集,子句用来定义子集的规则,通常用来作为滑动窗口使用

---

2. 序号函数

序号函数有三个，分别是ROW_NUMBER()、RANK()、DENSE_RANK()，可以用来实现分组排序，并添加序号

格式如下

row_number()|rank()|dense_rank() over ( 
  partition by ... 
  order by ... 
) 

这里分别使用三种序号函数进行查询

-- 对每个部门的员工按照薪资排序，并给出排名
select 
dname,
ename,
salary,
row_number() over(partition by dname order by salary desc) as rn 
from employee;

-- 对每个部门的员工按照薪资排序，并给出排名 rank
select 
dname,
ename,
salary,
rank() over(partition by dname order by salary desc) as rn 
from employee;

-- 对每个部门的员工按照薪资排序，并给出排名 dense-rank
select 
dname,
ename,
salary,
dense_rank() over(partition by dname order by salary desc) as rn 
from employee;

观察上面各个序号函数的区别是什么？

1. ROW_NUMBER():顺序排序——1、2、3
2. RANK():并列排序，跳过重复序号——1、1、3
3. DENSE_RANK():并列排序，不跳过重复序号——1、1、2

---

3. 分布函数

分布函数包括PERCENT_RANK()和CUME_DIST()

1）PERCENT_RANK()函数将某个数值在数据集中的排位作为数据集的百分比值返回，此处的百分比值的范围为 0 到 1

• 用途：每行按照公式(rank-1) / (rows-1)进行计算。其中，rank为RANK()函数产生的序号，rows为当前窗口的记录总行数
• 应用场景：不常用

select 
 dname,
 ename,
 salary,
 rank() over(partition by dname order by salary desc ) as rn,
 percent_rank() over(partition by dname order by salary desc ) as rn2
from employee;

2） CUME_DIST

• 用途：分组内小于、等于当前rank值的行数 / 分组内总行数
• 应用场景：查询小于等于当前薪资（salary）的比例

select  
 dname,
 ename,
 salary,
 cume_dist() over(order by salary) as rn1, -- 没有partition语句 所有的数据位于一组
 cume_dist() over(partition by dname order by salary) as rn2 
from employee;

这里需要解释一下，就rn1而言

首先组共12个人（因为没有partition语句 所有的数据位于一组），刘备这行数据对应的rn1是0.25

大于等于3000的数据共有3条，因此是3/12=0.25

---

4. 前后函数

前后函数有LAG (expr,n)和LEAD (expr n)。

Lag()和Lead()分析函数可以在同一次查询中取出同一字段的前N行的数据(Lag)和后N行的数据(Lead)作为独立的列。

在实际应用当中，若要用到取今天和昨天的某字段差值时，Lag()和Lead()函数的应用就显得尤为重要。当然，这种操作可以用表的自连接实现，但是LAG()和LEAD()与left join、rightjoin等自连接相比，效率更高，SQL更简洁。

• 用途：返回位于当前行的前n行（LAG(expr,n)）或后n行（LEAD(expr,n)）的expr的值。
• 应用场景：查询前1名同学的成绩和当前同学成绩的差值。

/*
last_1_time: 指定了往上第1行的值，default为'2000-01-01'  
                         第一行，往上1行为null,因此取默认值 '2000-01-01'
                         第二行，往上1行值为第一行值，2021-11-01 
                         第三行，往上1行值为第二行值，2021-11-02 
last_2_time: 指定了往上第2行的值，为指定默认值
                         第一行，往上2行为null
                         第二行，往上2行为null
                         第四行，往上2行为第二行值，2021-11-01 
                         第七行，往上2行为第五行值，2021-11-02 
*/

-- lag的用法
select 
 dname,
 ename,
 hiredate,
 salary,
 lag(hiredate,1,'2000-01-01') over(partition by dname order by hiredate) as last_1_time,
 lag(hiredate,2) over(partition by dname order by hiredate) as last_2_time 
from employee;

-- lead的用法
select 
 dname,
 ename,
 hiredate,
 salary,
 lead(hiredate,1,'2000-01-01') over(partition by dname order by hiredate) as last_1_time,
 lead(hiredate,2) over(partition by dname order by hiredate) as last_2_time 
from employee;

---

5. 头尾函数

头尾函数包括：LAST_VALUE (expr)与FIRST_VALUE(expr)

• 返回第一个expr的值：FIRST_VALUE(expr)

• 返回最后一个expr的值：LAST_VALUE(expr)

• 用途：返回第一个（FIRST_VALUE(expr)）或最后一个（LAST_VALUE(expr)）expr的值

• 应用场景：截止到当前，按照日期排序查询第1个入职和最后1个入职员工的薪资

-- 注意,  如果不指定ORDER BY，则进行排序混乱，会出现错误的结果
select
  dname,
  ename,
  hiredate,
  salary,
  first_value(salary) over(partition by dname order by hiredate) as first,
  last_value(salary) over(partition by dname order by  hiredate) as last 
from  employee;

---

6. 其他函数

其他函数包括NTH_VALUE (expr,n)与NTILE (n)

• NTH_VALUE (expr,n) —— 返回第n个expr的值

• NTILE (n) —— 将有序数据分为n个桶，记录等级数

• 用途：将分区中的有序数据分为n个等级，记录等级数

• 应用场景：将每个部门员工按照入职日期分成3组

-- 根据入职日期将每个部门的员工分成3组
select 
  dname,
  ename,
  hiredate,
  salary,
ntile(3) over(partition by dname order by  hiredate  ) as rn 
from employee;

-- 取出每个部门的第一组员工
select
*
from
(
    SELECT 
        dname,
        ename,
        hiredate,
        salary,
    NTILE(3) OVER(PARTITION BY dname ORDER BY  hiredate  ) AS rn 
    FROM employee
)t
where t.rn = 1;

---

参考：

• 2022新版黑马程序员MySQL知识精讲+mysql实战案例_零基础mysql数据库入门到高级全套教程
• MYSQL常见面试题之——窗口函数_web3纪元的博客-CSDN博客_窗口函数
• MySQL/Hive 常用窗口函数详解及相关面试题_TRX1024的博客-CSDN博客