MySQL 窗口函数

1，窗口函数

1.1，什么是窗口函数

MySQL窗口函数是一种强大的工具，用于在查询中执行复杂的统计分析，而不需要改变表的结构或数据。MySQL从8.0版本开始支持窗口函数，这些函数也被称为分析函数，因为它们能够处理相对复杂的报表统计分析场景。

窗口的意思是将数据进行分组，每个分组即是一个窗口，这和使用聚合函数时的group by分组类似，但与聚合函数不同的地方是： 聚合函数（例如：sum/avg/min/max）会针对每个分组（窗口）聚合出一个结果（每一组返回一个结果）。 窗口函数会对每一条数据进行计算，并不会使返回的数据变少（每一行返回一个结果）

1.2，基本语法

-- 匿名窗口
SELECT 
	<窗口函数> over (partition by <分组列名> order by <排序列名>)
FROM `表名` 

-- 显式窗口
SELECT 
	<窗口函数> OVER w
FROM `表名` 
WINDOW w AS (partition by <分组列名> order by <排序列名>)

<窗口函数>的位置，可以放以下两种函数：

1. 聚合函数：如SUM、AVG、COUNT、MAX、MIN等，可以在不合并行的情况下计算每行的聚合值。
2. 专用窗口函数：
   • 排序函数：包括RANK、DENSE_RANK、ROW_NUMBER等，用于为数据集中的每行分配一个唯一的排名或编号。
   • 偏移函数：包括LAG和LEAD等，用于获取当前行之前的或之后的指定偏移量的值
   • 值函数：FIRST_VALUE和LAST_VALUE返回窗口分区中第一行或最后一行的值，而NTH_VALUE则返回窗口内偏移指定offset后的值。

因为窗口函数是对where或者group by子句处理后的结果进行操作，所以窗口函数一般出现在select子句或者order by子句中。
where, group by, having都不可引用该列，因为这些语句执行在select之前，此时函数尚未计算出值。

2，函数详解

原始数据如下，表名：class

2.1，聚合函数

窗口操作不会将多组查询行折叠成单个输出行。相反，它们为每一行产生一个结果：

SELECT 
	*,
	-- 总计
	SUM(score) OVER () AS sum1,  
	-- 按course分组求和
  	SUM(score) OVER (PARTITION BY course) AS sum2, 
  	-- 按course分组累计求和
	SUM(score) OVER (PARTITION BY course ORDER BY score DESC) AS sum3	
FROM `class` 

SELECT 
	*,
	SUM(score) OVER w AS sum,
	AVG(score) OVER w AS avg,
	MIN(score) OVER w AS min,
	MAX(score) OVER w AS max,
  	COUNT(score) OVER w AS count
FROM `class` 
WINDOW w AS (PARTITION BY course ORDER BY score DESC)

注意分数相同时，分组累计（标黄处）的处理逻辑（见：《3，进阶用法》）

2.2，排序函数

SELECT 
	*,
	ROW_NUMBER() OVER w AS 'row_number',
	RANK() OVER w AS 'rank',
	DENSE_RANK() OVER w AS 'dense_rank'
FROM `class` 
WINDOW w AS (PARTITION BY course ORDER BY score DESC)

三者的区别如下：
row_number() 排序相同时不会重复，会根据顺序排序，即：1、2、3、4；
rank() 排序相同时会重复，序号有空隙，即1、2、2、4这样的排序结果；
dense_rank() 排序相同时会重复，序号无空隙，即1、2、2、3这样的排序结果；

求每门课程的前两名：

SELECT * FROM (
	SELECT 
		*,
		RANK() OVER (PARTITION BY course ORDER BY score DESC) AS `rank`
	FROM `class` ) f 
WHERE `rank` <= 2

// 窗口函数得到的列别名不能用于where, group by, having等子句，
// 因为这些语句执行在select之前，此时函数尚未计算出值。
// 以下写法是错误的：
SELECT 
	*,
	RANK() OVER (PARTITION BY course ORDER BY score DESC) AS `rank`
FROM `class` 
WHERE `rank` <= 2

如果每门课程只需要前两条数据，可把RANK() 函数换成 ROW_NUMBER()

2.3，偏移函数

语法：LEAD(字段, 偏移量, 填充值)
偏移量默认为1，填充值默认为NULL

SELECT 
	*,
	-- 获取前面一行的score
	LAG(score) OVER W AS `lag`,
	-- 获取后面第二行score，且无数据填充0
	LEAD(score, 2, 0) OVER W AS `lead`
FROM `class` 
WINDOW w AS (PARTITION BY course ORDER BY score DESC)

2.4，值函数

SELECT 
	*,
	-- 获取第一行的score
	FIRST_VALUE(score) OVER w AS `first`,
	-- 截止到当前行，获取最后一行score
	LAST_VALUE(score) OVER w AS `last`,
	-- 截止到当前行，获取最后2行score
	NTH_VALUE(score, 2) OVER w AS `second`,
	-- 截止到当前行，获取最后3行score
	NTH_VALUE(score, 3) OVER w AS `third`
FROM `class`
WINDOW w AS (PARTITION BY course ORDER BY score DESC)

注意了：从结果看，我们对FIRST_VALUE()很清晰，就是获取的第一个值，但是LAST_VALUE()和NTH_VALUE获取的值跟我们想象中的不太一样呢？ 没错，LAST_VALUE()和NTH_VALUE是获取的截止到当前为止的值，而不是整个组的最后一个值后指定的值（见：《3，进阶用法》）。

3，进阶用法

<窗口函数> over (
				partition by <用于分组的列名>
               	order by <用于排序的列名>
               	rows/range 窗口子句
               	)

rows/range：窗口子句，主要用来限制分组（也称窗口）的行数和数据范围。

窗口子句必须和order by 子句同时使用，如果指定了order by 子句未指定窗口子句，则默认为RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW，即从当前分组起点到当前行。

行比较分析函数lead和lag无窗口子句。

窗口子句常用语法：

• CURRENT ROW：当前行
• UNBOUNDED：无界限（起点或终点）
• PRECEDING：往前
• FOLLOWING：往后

如上文《2.4，值函数》，如果想获取整个窗口的LAST_VALUE()和NTH_VALUE：

SELECT 
	*,
	-- 获取第一行的score
	FIRST_VALUE(score) OVER w AS `first`,
	-- 获取最后一行score
	LAST_VALUE(score) OVER w AS `last`,
	-- 获取最后2行score
	NTH_VALUE(score, 2) OVER w AS `second`,
	-- 获取最后3行score
	NTH_VALUE(score, 3) OVER w AS `third`
FROM `class`
WINDOW w AS (
			PARTITION BY course 
			ORDER BY score DESC 
			ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING
			)

rows 和range区别：

1. rows是物理窗口，即根据order by 子句排序后，取的前N行及后N行的数据计算（与当前行的值无关，只与排序后的行号相关）。
2. range是逻辑窗口，即根据order by 子句排序后，取的前N行及和当前行有相同order by值的所有行数据计算。

例如在《2.1，聚合函数》飘黄部分，因为默认窗口字句是RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW，所以改成把"RANGE"改成"ROWS"就是逐条统计：

SELECT 
	*,
	-- 默认RANGE
	SUM(score) OVER w AS sum1,
	-- 指定ROWS
	SUM(score) OVER (w ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS sum2,
	-- 默认RANGE
	COUNT(score) OVER w AS count1,
	-- 指定ROWS
	COUNT(score) OVER (w ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS count2
FROM `class` 
WINDOW w AS (PARTITION BY course ORDER BY score DESC)