MySQL8.0数据库开窗函数图文详解

简介

数据库开窗函数是一种在SQL中使用的函数，它可以用来对结果集中的数据进行分组和排序，以便更好地分析和处理数据。开窗函数与聚合函数不同，它不会将多行数据聚合成一行，而是保留每一行数据，并对其进行分组和排序。

常见的开窗函数包括ROW_NUMBER()、RANK()、DENSE_RANK()、NTILE()、LAG()、LEAD()等。这些函数可以帮助用户在结果集中生成分组和排序的结果，以便更好地理解和分析数据。

例如，使用ROW_NUMBER()函数可以根据一个或多个字段对结果集进行分组，并在每个分组内生成一个行号，以便用户可以轻松地跟踪数据。使用LAG()和LEAD()函数可以在结果集中的每一行之前和之后提取数据，以便用户可以查看当前行之前或之后的数据。

开窗函数是SQL中非常有用的工具，可以帮助用户对结果集中的数据进行分组和排序，以便更好地分析和处理数据。

MySQL 官方文档: https://dev.mysql.com/doc/refman/8.0/en/window-functions.html

注意: 官方解释 开窗函数只有MySQL8.0版本之后才有哦。

一、开窗函数 与 聚合函数 有什么区别?

数据处理范围：聚合函数只能对整个数据表或者数据集进行操作，计算结果为单一值。而开窗函数则可以对每个行进行操作，计算结果会在每个行上显示。

计算结果：聚合函数的计算结果只有一个，通常用于执行诸如求和、取平均值、计算最大值/最小值等的操作。而开窗函数的计算结果可以有多个，它提供给查询结果集中每一行的附加列。
语法：聚合函数通常用于SELECT语句中的SELECT子句和HAVING子句，而开窗函数通常在OVER关键字后使用。

二、官方解释的开窗函数

 翻译

官方说的很官方，稍有点难以理解还是。

三、开窗函数细分

3.1、序号

• ROW_NUMBER()：该函数可以根据一个或多个字段对结果集进行分组，并在每个分组内生成一个行号，以便用户可以轻松地跟踪数据。
• RANK()：该函数可以根据一个或多个字段对结果集进行排序，并在每个排序中生成一个排名，以便用户可以了解数据的大小和顺序。
• DENSE_RANK()：该函数可以根据一个或多个字段对结果集进行排序，并在每个排序中生成一个排名，但跳过的位次比RANK()函数少一位。

3.2、分布

• PERCENT RANK()：函数用于计算数据集中每个值的百分比排名。
• CUME_DIST()：函数用于计算数据集中每个值的累积密度排名。

3.3、前后

• LAG()：该函数可以在结果集中的每一行之前提取数据，以便用户可以查看当前行之前的数据。
• LEAD()：该函数可以在结果集中的每一行之后提取数据，以便用户可以查看当前行之后的数据。

3.4、首尾

• FIRST_VALUE()：函数返回结果集的有序分区中的第一个值。
• LAST_VALUE()：函数返回结果集的有序分区中的最后一个值。

3.5、其它

• NTILE()：该函数可以根据一个或多个字段对结果集进行分组，并将每个分组分配到指定数量的桶中，以便用户可以更好地分析和分组数据。
• NTH_VALUE()：函数返回结果集的有序分区中第n行的值。

四、语法使用

4.1、语法结构

<窗口函数> OVER ([PARTITION BY <分组列>] [ORDER BY <排序列> {ASC|DESC}] [<行窗口>|<范围窗口>] [<开始位置>|<结束位置>|<长度>])

• <窗口函数>表示要执行的聚合函数，如SUM、AVG、MAX、MIN、COUNT等；
• <分组列>表示要进行分组的列；
• <排序列>表示按照哪个列进行排序，可以指定多个排序列，用逗号分隔；
• <行窗口>和<范围窗口>分别表示行级窗口和范围级窗口；
• <开始位置>、<结束位置>和<长度>表示窗口的起始位置、结束位置和长度。

 在 MySQL 8.0 中，行窗口是指一组连续的行，这些行被视为一个整体，并且可以用于窗口函数的计算。

行窗口由以下关键字指定：

• ROWS：表示行窗口。
• BETWEEN：用于指定行窗口的起始位置和结束位置。
• PRECEDING：表示行窗口的起始位置。
• FOLLOWING：表示行窗口的结束位置。

常用的行窗口指定方式：

• ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW：表示从结果集的第一个行到当前行，包括当前行。
• ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING：表示从当前行到结果集的最后一个行，包括当前行。
• ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING：表示包含当前行在内的前后各一行。

说明: 行窗口可以用于计算每组的总和、平均值、计数等聚合操作，也可以用于计算每个行的排名、累积和等操作。

4.2、普通聚合函数做开窗函数

普通聚合函数只能对整个数据表或者数据集进行操作，计算结果为单一值。而开窗函数可以针对每个行进行操作，计算结果会在每个行上显示。

4.2.1、表结构

1 2 3 4 5 6 7 8 9

DROP TABLE IF EXISTS `order_for_goods`; CREATE TABLE `order_for_goods`  (   `order_id` int(0) NOT NULL AUTO_INCREMENT,   `user_id` int(0) NULL DEFAULT NULL,   `money` decimal(10, 2) NULL DEFAULT NULL,   `quantity` int(0) NULL DEFAULT NULL,   `join_time` datetime(0) NULL DEFAULT NULL,   PRIMARY KEY (`order_id`) USING BTREE ) ENGINE = InnoDB AUTO_INCREMENT = 12 CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;

4.2.2、表数据

1 2 3 4 5 6 7 8 9 10 11 12

INSERT INTO order_for_goods (user_id, money, quantity, join_time ) VALUES     ( 1001, 1800.90, 1, '2023-06-07'),     ( 1001, 3600.89, 5, '2023-05-02'),     ( 1001, 1000.10, 6, '2023-01-08'),     ( 1002, 1100.90, 9, '2023-04-07'),     ( 1002, 4500.99, 1, '2023-03-14'),     ( 1003, 2500.10, 3, '2023-02-14'),     ( 1002, 2500.90, 1, '2023-03-14'),     ( 1003, 2500.90, 1, '2022-12-12'),     ( 1003, 2500.90, 2, '2022-09-08'),     ( 1003, 6000.90, 8, '2023-01-10');

4.2.3、普通函数做开窗函数

1、语句如下

1 2 3 4 5 6 7 8

select     *,     sum(money) over(partition by user_id order by order_id) as alias_sum,     avg(money) over(partition by user_id order by order_id) as alias_avg,     max(money) over(partition by user_id order by order_id) as alias_max,     min(money) over(partition by user_id order by order_id) as alias_min,     count(money) over(partition by user_id order by order_id) as alias_count from order_for_goods;

从 order_for_goods 表中选择了所有的列，并计算了每个用户在每个订单中的总金额、平均金额、最大金额、最小金额和计数。

这个查询使用了 sum()、avg()、max()、min() 和 count() 函数来计算每个订单的总金额、平均金额、最大金额、最小金额和计数。这些函数后面跟着 over() 子句，用于指定计算的窗口。在这个例子中，窗口是按照 user_id 分区，按照 order_id 排序的。

2、查询结果返回了选择的列和计算出的别名列如下

4.3、序号函数

4.3.1、ROW_NUMBER()函数

1、执行语句

1 2 3 4 5

select * from (     select *,row_number() over(partition by user_id order by money desc) as alias_row_number     from order_for_goods) t where alias_row_number<=3;

• 以上SQL语句使用了窗口函数 row_number() 来为每个分区内的行分配序号。然后，外部查询从这些序号中选择前三个最高的行。
• 内部查询从 order_for_goods 表中选择了所有的列，并使用 row_number() 函数为每个分区内的行分配序号。在这个例子中，子查询将数据是按照 user_id 列进行分区 ，按照 money 列的降序排列的。
• 外部查询从内部查询的结果中选择了序号小于等于 3 的行，这些行对应于分区内前三高的行。

2、执行结果

3、执行语句

1 2 3 4 5

select * from (     select *,row_number() over(partition by user_id order by money desc) as alias_row_number     from order_for_goods) t where alias_row_number<=1;

 以上这个查询语句与上一个查询语句类似，只不过 alias_row_number<=3 改成了 alias_row_number<=1，因此结果将只返回分区内最高的一行。

4、执行结果

 总结: 可以发散思维想一想，举个栗子: 比如统计各个商品领域销量排行前三。使用开窗是不是可以解决很多问题，也避免了大量难以维护且看不懂的sql逻辑。

 4.3.2、RANK()函数

1、执行语句

1 2 3 4

select     *,     rank() over(partition by user_id order by money desc) as alias_rank from order_for_goods;

 以上SQL语句使用了窗口函数 rank() 来为每个用户计算一个别名排名（alias_rank）。rank() 函数会为每个分区内的连续排名计算一个排名值，因此这个语句会为每个用户计算一个别名排名。注意语句没有指定任何条件，因此它会返回 order_for_goods 表中的所有行和列。如果需要查询特定的行或列，可以在 select 子句中指定相应的条件或列名。

 2、执行结果

4.3.3、DENSE_RANK()函数

 1、执行语句

1 2 3 4

select     *,     dense_rank() over(partition by user_id order by money desc) as alias_dense_rank from order_for_goods;

•  以上SQL语句使用了窗口函数 dense_rank() 来为每个用户计算一个别名密集排名（alias_dense_rank）。
• dense_rank() 函数会为每个分区内的排名计算一个排名值，对于相邻排名值相同的行，排名值会连续分配。因此，这个语句会为每个用户计算一个别名密集排名。
• 注意语句没有指定任何条件，因此它会返回 order_for_goods 表中的所有行和列。如果需要查询特定的行或列，可以在 select 子句中指定相应的条件或列名。

 2、执行结果

4.3.4、上述三种序号函数对比

 1、执行语句

1 2 3 4 5 6

select     *,     row_number() over(partition by user_id order by money desc) as alias_row_number,     rank() over(partition by user_id order by money desc) as alias_rank,     dense_rank() over(partition by user_id order by money desc) as alias_dense_rank from order_for_goods;

•  从 order_for_goods 表中选择了所有的列，并计算了每个用户在每个订单中的总金额，以及计算了每个用户在每个订单中的序号、排名和稠密排名。
• 这个查询使用了 row_number()、rank() 和 dense_rank() 函数来计算每个分区内的行的序号、排名和稠密排名。这些函数后面跟着 over() 子句，用于指定计算的窗口。在这个例子中，窗口是按照 user_id 分区，按照 money 列的降序排列的。

  2、执行结果

4.4、分布函数

4.4.1、PERCENT RANK()函数

  1、执行语句

1 2 3 4

select     *,     percent_rank() over(partition by user_id order by money desc) as alias_percent_rank from order_for_goods;

•  从 order_for_goods 表中选择了所有的列，并计算了每个用户在每个订单中的总金额，以及计算了每个用户在每个订单中的百分比排名。
• 这个查询使用了 percent_rank() 函数来计算每个分区内的行的百分比排名。这个函数后面跟着 over() 子句，用于指定计算的窗口。在这个例子中，窗口是按照 user_id 分区，按照 money 列的降序排列的。

  2、执行结果

4.4.2、CUME_DIST()函数

  1、执行语句

1 2 3 4

select     *,     cume_dist() over(partition by user_id order by money desc) as alias_percent_rank from order_for_goods;

•  从 order_for_goods 表中选择了所有的列，并计算了每个用户在每个订单中的总金额，以及计算了每个用户在每个订单中的累积百分比。
• 这个查询使用了 cume_dist() 函数来计算每个分区内的行的累积百分比。这个函数后面跟着 over() 子句，用于指定计算的窗口。在这个例子中，窗口是按照 user_id 分区，按照 money 列的降序排列的。

  2、执行结果

4.5、前后函数

4.5.1、LAG()函数

1、语法说明

LAG()函数是用于在时间序列中向前移动指定周期的函数。

1	LAG(expression, offset, default_value)

 expression：要取值的列 offset：向前数第几行的值 default_value：如果没有值，可设置默认值

2、执行语句

1 2 3 4

select     *,     lag(join_time, 1, 0) over(partition by user_id order by join_time desc) as alias_lag from order_for_goods;

 3、执行结果

4.5.2、LEAD()函数

1、语法说明

LEAD()函数是用于在时间序列中向后移动指定周期的函数。

1	LAG(expression, offset, default_value)

 expression：要取值的列 offset：向后数第几行的值 default_value：如果没有值，可设置默认值

2、执行语句

1 2 3 4

select     *,     lead(join_time, 1, 0) over(partition by user_id order by join_time desc) as alias_lead from order_for_goods;

3、执行结果

4.6、收尾函数

4.6.1、FIRST_VALUE()函数

1、语法说明

FIRST_VALUE：取窗口第一行的值

1	FIRST_VALUE(expression)

 expression：一个表达式，用于指定要获取第一行值的列或计算结果。

2、执行语法

1 2 3 4

select     *,     first_value(money) over(partition by user_id order by join_time desc) as alias_first_value from order_for_goods;

注意，如果某个用户在指定时间范围内没有数据，则 LAST_VALUE() 函数将返回默认值 NULL。 

 3、执行结果

4.6.2、LAST_VALUE()函数

1、语法说明

LAST_VALUE：取窗口最后一行的值。

1	LAST_VALUE(expression)

 expression：一个表达式，用于指定要获取最后一行值的列或计算结果。

2、执行语法

1 2 3 4

select     *,     first_value(money) over(partition by user_id order by join_time desc) as alias_first_value from order_for_goods;

注意，如果某个用户在指定时间范围内没有数据，则 LAST_VALUE() 函数将返回默认值 NULL。

2、执行结果

 3、解释

你可能会发现LAST_VALUE() 不是取窗口的最后一个值，窗口按照 user_id 分区，按照 join_time 列排序，按道理是返回1001分区中money为1800.90才对啊? 为什么? 为什么?原因是LAST_VALUE()默认统计范围是 rows between unbounded preceding and current row

  3、验证

1 2 3 4 5 6

select     *,     last_value(money) over(partition by user_id order by join_time) as alias_last_value1,     last_value(money) over(partition by user_id order by join_time rows between unbounded preceding and current row) as alias_last_value2,     last_value(money) over(partition by user_id order by join_time rows between unbounded preceding and unbounded following) as alias_last_value3 from order_for_goods;

•  可以看到别名 alias_last_value2 验证了LAST_VALUE()默认统计范围就是 rows between unbounded preceding and current row(表示从当前行开始向前没有边界地进行计算，即计算当前行之前的所有行的结果。) 
• 可以看到别名 alias_last_value3 在指定 rows between unbounded preceding and unbounded following(表示从当前行开始向前和向后都没有边界地进行计算，即计算整个分区的结果。)全部统计情况下可以得到，user_id 分区，join_time 列排序，返回1001分区中字段money最后一笔交易金额为1800.90。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

+----------+---------+---------+----------+---------------------+------------------+------------------+------------------+ | order_id | user_id | money   | quantity | join_time           | alias_last_value | alias_last_value | alias_last_value | +----------+---------+---------+----------+---------------------+------------------+------------------+------------------+ |       34 |    1001 | 1000.10 |        6 | 2023-01-08 00:00:00 |          1000.10 |          1000.10 |          1800.90 | |       33 |    1001 | 3600.89 |        5 | 2023-05-02 00:00:00 |          3600.89 |          3600.89 |          1800.90 | |       32 |    1001 | 1800.90 |        1 | 2023-06-07 00:00:00 |          1800.90 |          1800.90 |          1800.90 | |       36 |    1002 | 4500.99 |        1 | 2023-03-14 00:00:00 |          2500.90 |          4500.99 |          1100.90 | |       38 |    1002 | 2500.90 |        1 | 2023-03-14 00:00:00 |          2500.90 |          2500.90 |          1100.90 | |       35 |    1002 | 1100.90 |        9 | 2023-04-07 00:00:00 |          1100.90 |          1100.90 |          1100.90 | |       40 |    1003 | 2500.90 |        2 | 2022-09-08 00:00:00 |          2500.90 |          2500.90 |          2500.10 | |       39 |    1003 | 2500.90 |        1 | 2022-12-12 00:00:00 |          2500.90 |          2500.90 |          2500.10 | |       41 |    1003 | 6000.90 |        8 | 2023-01-10 00:00:00 |          6000.90 |          6000.90 |          2500.10 | |       37 |    1003 | 2500.10 |        3 | 2023-02-14 00:00:00 |          2500.10 |          2500.10 |          2500.10 | +----------+---------+---------+----------+---------------------+------------------+------------------+------------------+ 10 rows in set (0.00 sec)

4.7、其它函数

4.7.1、NTILE()函数

1、语法说明

NTILE() 用于将一个查询结果集划分成指定数量的桶，并根据桶的大小将数据分配到各个桶中。

1	NTILE(bucket_size)

 bucket_size：一个整数参数，表示要将结果集划分成的桶的数量。

2、执行语句

1 2 3 4 5 6

select     *,      ntile(1) over(partition by user_id order by join_time desc) as alias_ntile1,     ntile(2) over(partition by user_id order by join_time desc) as alias_ntile2,     ntile(3) over(partition by user_id order by join_time desc) as alias_ntile3 from order_for_goods;

•  查询使用窗口函数 NTILE()，它可以将数据集合平均分配到指定的数量的桶中，并返回每个行所属的桶号。
•  以别名 "alias_ntile3" 举例，该查询中ntile(3) 表示将每个用户分为三个组，partition by user_id 表示按照 user_id 分组，order by join_time desc 表示按照 join_time 降序排序。
• 如果是ntile(2)就表示分两个组ntile(1)就表示分一个组。

3、执行结果

 说明: NTILE()函数，可以将有序的数据集合平均分配到指定的数量的桶中，将桶号分配给每一行。如果不能平均分配，则较小桶号的桶分配额外的行，并且各个桶中能放的行数最多相差1。

4.7.2、NTH_VALUE()函数

1、语法说明

NTH_VALUE() 函数是 SQL 中用于计算一个有序数据集合中指定位置的值的窗口函数。

1	NTH_VALUE(expression, nth_parameter)

•  expression：要计算其值的表达式，其求值为单个值。
•  nth_parameter：是一个整数参数，表示要计算的值的序号。

2、执行语句

1 2 3 4

select     *,      nth_value(money, 2) over(partition by user_id order by join_time ) as alias_nth_value from order_for_goods;

注意，如果某个用户在指定时间范围内没有数据，则 NTH_VALUE()函数将返回默认值 NULL。 

3、执行结果

总结

到此这篇关于MySQL8.0数据库开窗函数的文章就介绍到这了,