mysql窗口函数(Window Functions)详解

mysql 窗口函数（Window Functions）详解

窗口函数是 SQL 中的一种强大工具，它允许你在不改变原始表行数的情况下对数据进行聚合计算。与传统的 GROUP BY 不同，窗口函数不会将多行合并为一行，而是可以在每一行上应用聚合操作，同时保留原始的行结构。这使得窗口函数非常适合用于复杂的分析任务，例如：

• 移动平均：计算某个时间段内的平均值。
• 排名：为每行数据分配一个排名。
• 累计和：计算到当前行为止的累计总和。
• 前后行比较：比较当前行与前几行或后几行的数据。

1. 窗口函数的基本语法

窗口函数的通用语法如下：

window_function(expression) OVER (
    [PARTITION BY partition_expression]
    [ORDER BY order_expression]
    [frame_clause]
)

• window_function：这是你想要应用的聚合函数或排名函数，例如 SUM()、AVG()、ROW_NUMBER()、RANK() 等。
• expression：要应用于窗口函数的列或表达式。
• OVER：指定窗口的范围，告诉 SQL 引擎如何划分数据并应用窗口函数。
• PARTITION BY：可选。类似于 GROUP BY，但它不会减少行数。它将数据划分为多个分区（或“窗口”），并在每个分区内独立应用窗口函数。
• ORDER BY：可选。指定窗口内数据的排序顺序。这对于需要按顺序处理的函数（如 ROW_NUMBER() 或 LAG()）非常重要。
• frame_clause：可选。定义窗口的“框架”，即窗口函数作用的行范围。你可以指定从当前行向前或向后扩展的行数。

2. 窗口函数与 GROUP BY 的区别

• GROUP BY：将多行合并为一行，并对每一组数据进行聚合计算。结果集中的行数会减少。

  SELECT department, AVG(salary) AS avg_salary
  FROM employees
  GROUP BY department;
  

  • 这条查询会返回每个部门的平均工资，结果集中每一行代表一个部门。

• 窗口函数：在每一行上应用聚合计算，但不会减少行数。结果集中的行数与原始表相同，只是每一行都包含了一个新的聚合值。

  SELECT id, name, department, salary,
         AVG(salary) OVER (PARTITION BY department) AS avg_salary
  FROM employees;
  

  • 这条查询会返回每个员工的详细信息，并在每一行上添加一个新列 avg_salary，表示该员工所在部门的平均工资。行数与原始表相同，只是多了聚合结果。

3. 常见的窗口函数

3.1 聚合窗口函数

这些函数类似于普通的聚合函数（如 SUM()、AVG()、COUNT() 等），但它们可以在每一行上应用，并且可以按分区进行计算。

• SUM()：计算窗口内的总和。
• AVG()：计算窗口内的平均值。
• COUNT()：计算窗口内的行数。
• MIN()：计算窗口内的最小值。
• MAX()：计算窗口内的最大值。
• CUME_DIST()：返回一个值在一组值中的累积分布值，即分区中小于或等于当前行值的分区值的百分比。
• DENSE_RANK()：返回当前行在其分区中的排名，没有间隔。相同的值被视为并列，会被分配相同的排名。
• FIRST_VALUE()：返回窗口框架第一行中参数的值。
• LAG()：返回分区中当前行前面第 N 行中参数的值，如果没有这样的行，则返回默认值。
• LAST_VALUE()：返回窗口框架最后一行中参数的值。
• LEAD()：返回分区中当前行后面第 N 行中参数的值，如果没有这样的行，则返回默认值。
• NTH_VALUE()：返回窗口框架中第 N 行中参数的值，如果没有这样的行，则返回 NULL。
• NTILE()：将分区划分为 N 个组（桶），为分区中的每一行分配其桶编号，并返回当前行在其分区中的桶编号。
• PERCENT_RANK()：返回分区中小于当前行值的分区值的百分比，不包括最高值。
• RANK()：返回当前行在其分区中的排名，有间隔。相同的值被视为并列，会被分配相同的排名，但下一个更大的值的排名会比并列的数量高一个。
• ROW_NUMBER()：返回当前行在其分区中的编号。

示例：计算每个部门的累计工资

SELECT id, name, department, salary,
       SUM(salary) OVER (PARTITION BY department ORDER BY hire_date) AS cumulative_salary
FROM employees;

• 解释：
  • PARTITION BY department：将数据按部门分区。
  • ORDER BY hire_date：在每个部门内按入职日期排序。
  • SUM(salary)：计算到当前行为止的累计工资。

输出示例

id	name	department	salary	cumulative_salary
1	Alice	Sales	5000	5000
2	Bob	Sales	6000	11000
3	Carol	Sales	7000	18000
4	Dave	HR	5500	5500
5	Eve	HR	6500	12000

3.2 排名窗口函数

这些函数用于为每一行分配一个排名或序号，通常与 PARTITION BY 和 ORDER BY 一起使用。

• ROW_NUMBER()：为每一行分配一个唯一的行号，从 1 开始。
• RANK()：为每一行分配一个排名，相同的值会获得相同的排名，但后续排名会跳过。
• DENSE_RANK()：类似于 RANK()，但不会跳过排名。
• NTILE(n)：将数据分成 n 个桶，并为每一行分配一个桶编号。

示例：为每个部门的员工按工资排名

SELECT id, name, department, salary,
       RANK() OVER (PARTITION BY department ORDER BY salary DESC) AS salary_rank
FROM employees;

• 解释：
  • PARTITION BY department：将数据按部门分区。
  • ORDER BY salary DESC：在每个部门内按工资从高到低排序。
  • RANK()：为每个员工分配一个排名，工资相同的员工会获得相同的排名，但后续排名会跳过。

输出示例

id	name	department	salary	salary_rank
3	Carol	Sales	7000	1
2	Bob	Sales	6000	2
1	Alice	Sales	5000	3
5	Eve	HR	6500	1
4	Dave	HR	5500	2

3.3 偏移窗口函数

这些函数允许你访问当前行之前或之后的行数据，常用于比较相邻行之间的差异。

• LAG()：获取当前行之前的某一行的值。
• LEAD()：获取当前行之后的某一行的值。
• FIRST_VALUE()：获取窗口中的第一个值。
• LAST_VALUE()：获取窗口中的最后一个值。

示例：比较员工的当前工资与前一个月的工资

假设有一个 salaries 表，记录了每个月的工资变化。我们可以使用 LAG() 来比较当前月份的工资与前一个月的工资。

SELECT 
    employee_id, 
    salary_date, 
    salary,
    LAG(salary) OVER (PARTITION BY employee_id ORDER BY salary_date) AS previous_salary,
    salary - LAG(salary) OVER (PARTITION BY employee_id ORDER BY salary_date) AS salary_change
FROM salaries;

• 解释：
  • PARTITION BY employee_id：将数据按员工 ID 分区。
  • ORDER BY salary_date：按工资日期排序。
  • LAG(salary)：获取前一个月的工资。
  • salary - LAG(salary)：计算当前月与前一个月的工资差额。

输出示例

employee_id	salary_date	salary	previous_salary	salary_change
1	2024-01-01	5000	NULL	NULL
1	2024-02-01	5200	5000	200
1	2024-03-01	5300	5200	100
2	2024-01-01	6000	NULL	NULL
2	2024-02-01	6100	6000	100

4. 窗口框架（Frame Clause）：滑动窗口

窗口框架允许你进一步控制窗口函数的作用范围。你可以指定窗口函数应该考虑哪些行，例如只考虑当前行及其前几行或后几行。

4.1 常见框架类型

• ROWS BETWEEN ... AND ...：基于行数来定义窗口框架。
• RANGE BETWEEN ... AND ...：基于值的范围来定义窗口框架。
• UNBOUNDED PRECEDING：表示从窗口的起点（第一行）开始。
• CURRENT ROW：表示当前行。
• UNBOUNDED FOLLOWING：表示到窗口的终点（最后一行）结束。

示例：计算最近3个月的移动平均工资

SELECT 
    employee_id, 
    salary_date, 
    salary,
    AVG(salary) OVER (
        PARTITION BY employee_id 
        ORDER BY salary_date 
        ROWS BETWEEN 2 PRECEDING AND CURRENT ROW
    ) AS moving_avg_3_months
FROM salaries;

• 解释：
  • PARTITION BY employee_id：将数据按员工 ID 分区。
  • ORDER BY salary_date：按工资日期排序。
  • ROWS BETWEEN 2 PRECEDING AND CURRENT ROW：定义窗口框架为当前行及其前两行，即最近3个月的工资。
  • AVG(salary)：计算这3个月的平均工资。

输出示例

employee_id	salary_date	salary	moving_avg_3_months
1	2024-01-01	5000	5000
1	2024-02-01	5200	5100
1	2024-03-01	5300	5166.67
2	2024-01-01	6000	6000
2	2024-02-01	6100	6050

5. 窗口函数的优势

• 灵活性：窗口函数允许你在不改变行数的情况下进行复杂的聚合计算，适用于多种场景，如移动平均、排名、累计和等。
• 性能优化：窗口函数通常比自连接或子查询更高效，尤其是在处理大量数据时。
• 易于理解：窗口函数的语法相对直观，尤其是当你已经熟悉 GROUP BY 和 ORDER BY 时，学习窗口函数并不困难。

6. 总结

窗口函数是 SQL 中非常强大的工具，尤其适合用于数据分析和报表生成。通过窗口函数，你可以在每一行上应用聚合计算，而不需要改变原始表的行数。常见的窗口函数包括