摘要： 还在用几十行子查询做排名？还在为“累计求和”写复杂的自连接？那是你还没掌握 SQL 的核武器——开窗函数。本文带你从原理到实战，彻底搞懂它！

nerror="javascript:errorimg.call(this);">

对比图

做数据分析或者后端开发的兄弟们，你们有没有遇到过这种抓狂的场景：

客户让你出一张报表，要求：

1. 列出每个员工的姓名和薪水；
2. 同时列出该员工所在部门的平均薪水；
3. 还要列出该员工在部门内的薪水排名。

如果你不会开窗函数，你可能得写两个 GROUP BY 的子查询，然后再 JOIN 回原表。代码写出来又长又臭，跑起来慢得像蜗牛。

今天，咱们就来聊聊 SQL 界的“瑞士军刀”——开窗函数（Window Functions）。

一、 为什么要有开窗函数？解决什么痛点？

在开窗函数诞生之前，SQL 的世界里有一个巨大的矛盾：

• 明细查询（SELECt ）： 能看到每一行数据，但看不了统计信息（如总和、平均值）。
• 聚合查询（GROUP BY）： 能看到统计信息，但每一行的明细被“压扁”了，丢失了细节。

痛点非常明显：

我想在保留每一行明细数据的同时，还能在旁边“开一扇窗”，看到整体或分组的统计数据。

开窗函数就是为了解决这个问题而生的！ 它允许你在不减少原表行数的情况下，对数据进行分组计算。

二、 核心语法：一图看懂 ️

开窗函数的长相通常是这样的：

SQL

<函数名> OVER (    PARTITION BY <分组字段>     ORDER BY <排序字段>     [ROWS/RANGE BETWEEN ...])

• PARTITION BY：把你理解为 GROUP BY，但它不会折叠行，只是把数据在逻辑上切成几块。
• ORDER BY：决定了窗户里的数据是怎么排列的（主要用于排名和累计计算）。

三、 全场景示例：建议收藏

为了演示，假设我们有一张 Orders (订单表)，字段有：User_ID（用户）, Order_Date（日期）, Amount（金额）。

1. 排名神器：ROW_NUMBER, RANK, DENSE_RANK

场景： 找出每个用户金额最高的订单，或者给订单排名。

SQL

SELECT     User_ID,     Amount,    -- 1. 这种排名不并列，序号连续（1,2,3,4）    ROW_NUMBER() OVER (PARTITION BY User_ID ORDER BY Amount DESC) as rn,        -- 2. 这种排名有并列，序号跳跃（1,1,3,4）    RANK() OVER (PARTITION BY User_ID ORDER BY Amount DESC) as rk,        -- 3. 这种排名有并列，序号连续（1,1,2,3）-> 最推荐！    DENSE_RANK() OVER (PARTITION BY User_ID ORDER BY Amount DESC) as drFROM Orders;

图解区别： 考了 100 分的两个人，RANK 排名是第 1 和第 1，第三个人就是第 3 名；而 DENSE_RANK 第三个人是第 2 名。

2. 聚合神器：累计求和与移动平均

场景： 想要看截至当天的“累计销售额”（Running Total），或者“过去3天的平均值”。

SQL

SELECt     Order_Date,     Amount,    -- 累计求和：从第一天加到当前行    SUM(Amount) OVER (ORDER BY Order_Date) as Running_Total,        -- 移动平均：计算当前行和前两行的平均值    AVG(Amount) OVER (ORDER BY Order_Date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) as Moving_AvgFROM Orders;

痛点解决： 以前做“累计求和”要写自连接（Self-Join），性能极差。用开窗函数，一行代码搞定，性能提升 10 倍不止。

3. 偏移神器：LAG 和 LEAD

场景： 计算“环比增长率”（和昨天比）、“同比增长率”。需要把上一行的数据拿下来和当前行计算。

SQL

SELECt     Order_Date,     Amount,    -- LAG(字段, N): 往前取第 N 行的数据    LAG(Amount, 1) OVER (ORDER BY Order_Date) as Last_Order_Amount,        -- LEAD(字段, N): 往后取第 N 行的数据    LEAD(Amount, 1) OVER (ORDER BY Order_Date) as Next_Order_AmountFROM Orders;

妙用： 计算 (Amount - Last_Order_Amount) / Last_Order_Amount 就是环比增长率！再也不用复杂的 JOIN 了。

四、 总结：开窗函数的成效是什么？

1. 极简代码： 原本 50 行的逻辑，现在 5 行搞定。逻辑清晰，维护方便。
2. 性能飞跃： 数据库引擎对开窗函数有专门优化，避免了大量的子查询和笛卡尔积，计算速度极快。
3. 解决复杂逻辑： 轻松处理“Top N 问题”、“连续登录问题”、“累计报表问题”。

SQL 是数据人的基本功，而开窗函数是区分“小白”和“高手”的分水岭。如果你还在用 Excel 处理百万行数据，或者在代码里写死循环处理数据，赶紧试试 SQL 开窗函数吧！

如果你觉得这篇文章有帮助，欢迎点赞、收藏和分享，我们一起学习，共同进步！