SQL 窗口函数，别再死记硬背了：一篇彻底讲透 OVER / PARTITION BY / ROW

SQL 窗口函数，别再死记硬背了：一篇彻底讲透 OVER / PARTITION BY / ROW_NUMBER

如果你学 SQL 时总觉得窗口函数“看起来懂了，一写就废”，那不是你笨，是很多教程都没讲人话。

它们喜欢先甩给你一串语法：OVER(PARTITION BY ... ORDER BY ...)，然后再贴几个例子，最后你记住了 ROW_NUMBER()，却还是不知道什么时候该用、为什么好用。

这一篇不绕弯，直接把 SQL 窗口函数最常用、最容易卡壳的部分讲透。

一、窗口函数到底是干嘛的？

先说人话版定义：

窗口函数 = 在“不压缩结果行数”的前提下，按某个范围对数据做计算。

这是它和 GROUP BY 最大的区别。

1. `GROUP BY` 会把多行压成一行

比如你按部门统计员工人数：

SELECT department, COUNT(*) AS emp_count
FROM employees
GROUP BY department;

结果是每个部门只剩一行。

这很正常，但问题来了：

如果你既想保留每个员工这一行，又想知道他所在部门有多少人，怎么办？

这时候 GROUP BY 就不顺手了，窗口函数就是来干这个的。

2. 窗口函数保留明细，同时做聚合

SELECT
  employee_id,
  name,
  department,
  salary,
  COUNT(*) OVER(PARTITION BY department) AS dept_emp_count
FROM employees;

你会得到这样的效果：

• 每个员工仍然保留一行
• 同时多出一个字段：这个员工所在部门的人数

这就是窗口函数最核心的价值：

明细不丢，统计也有。

这四个字，值千金。

二、先把最关键的语法拆开

窗口函数常见写法长这样：

函数名() OVER(
  PARTITION BY ...
  ORDER BY ...
)

别一看括号多就头大，其实就三层意思。

1. `OVER()`：声明“我要按窗口算”

没有 OVER()，很多函数就是普通聚合函数。

比如：

SUM(salary)

这是普通聚合。

而：

SUM(salary) OVER()

这是窗口函数，表示：

在整个结果集这个窗口里，计算总工资，但不要把行合并掉。

2. `PARTITION BY`：先分组，但不折叠行

它很像 GROUP BY，但只是在逻辑上分区，不会把数据压缩。

SUM(salary) OVER(PARTITION BY department)

意思是：

• 以部门为单位划分窗口
• 在每个部门窗口内计算工资总和
• 结果回填到该部门的每一行

你可以把它理解成：

是“分组统计”，但保留每条明细。

3. `ORDER BY`：定义窗口内的顺序

很多窗口函数都和“顺序”强相关，比如：

• 排名
• 累计值
• 上一行 / 下一行

这时候就必须指定顺序：

ROW_NUMBER() OVER(PARTITION BY department ORDER BY salary DESC)

意思是：

• 先按部门分区
• 再在每个部门内部，按工资从高到低排序
• 给每个人编号

三、先学会最常用的 3 个排名函数

这是窗口函数入门里最实用的一组。

假设有一张成绩表：

student_scores
-------------------------
student_name | class | score
张三         | A     | 95
李四         | A     | 95
王五         | A     | 90
赵六         | A     | 88

1. `ROW_NUMBER()`：强行排唯一名次

SELECT
  student_name,
  class,
  score,
  ROW_NUMBER() OVER(PARTITION BY class ORDER BY score DESC) AS rn
FROM student_scores;

结果可能是：

• 张三 1
• 李四 2
• 王五 3
• 赵六 4

即使张三和李四同分，ROW_NUMBER() 也会硬分先后。

适用场景：

• 每组取 Top 1 / Top N
• 去重保留一条
• 分页编号

2. `RANK()`：并列占同名，后面跳号

SELECT
  student_name,
  class,
  score,
  RANK() OVER(PARTITION BY class ORDER BY score DESC) AS rk
FROM student_scores;

结果会变成：

• 张三 1
• 李四 1
• 王五 3
• 赵六 4

因为前两个人并列第一，所以第三个人的名次直接变成 3。

适用场景：

• 正常比赛排名
• 允许并列且保留“跳号”语义的榜单

3. `DENSE_RANK()`：并列占同名，但不跳号

SELECT
  student_name,
  class,
  score,
  DENSE_RANK() OVER(PARTITION BY class ORDER BY score DESC) AS dr
FROM student_scores;

结果是：

• 张三 1
• 李四 1
• 王五 2
• 赵六 3

适用场景：

• 分层级
• 分档次
• 想体现并列，但不想出现名次断层

四、SQL 面试和实战都爱考：每组 Top N

这题你应该见过：

查询每个部门工资最高的 3 个人。

很多人第一反应是子查询套子查询，写得像意大利面。

其实窗口函数是标准答案。

SELECT *
FROM (
  SELECT
    employee_id,
    name,
    department,
    salary,
    ROW_NUMBER() OVER(PARTITION BY department ORDER BY salary DESC) AS rn
  FROM employees
) t
WHERE rn ＜= 3;

为什么这么写？

第一层：

• 每个部门内部按工资倒序编号

第二层：

• 取编号前 3 的记录

这就是窗口函数最经典的应用之一。

顺手提醒一个坑

如果你想保留并列，比如第三名有两个人同薪，别用 ROW_NUMBER()，要用 RANK() 或 DENSE_RANK()。

不然你会“误杀”一个本该入榜的人。

五、累计求和：窗口函数的另一个高频场景

假设你有每日销售额表：

daily_sales
----------------------
sale_date   | amount
2026-03-01  | 100
2026-03-02  | 150
2026-03-03  | 120
2026-03-04  | 180

现在你想知道：

• 每天销售额是多少
• 截止到当天累计卖了多少

窗口函数一把梭：

SELECT
  sale_date,
  amount,
  SUM(amount) OVER(ORDER BY sale_date) AS running_total
FROM daily_sales;

这会得到：

• 3 月 1 日：100
• 3 月 2 日：250
• 3 月 3 日：370
• 3 月 4 日：550

这就是累计求和。

如果想按门店分别累计？

SELECT
  store_id,
  sale_date,
  amount,
  SUM(amount) OVER(PARTITION BY store_id ORDER BY sale_date) AS running_total
FROM daily_sales;

意思很简单：

• 每个门店是一个窗口
• 门店内部按日期排序
• 分别计算各自累计值

这类写法在下面场景非常常见：

• 日活 / 周活累计
• 财务累计收入
• 用户增长曲线
• 库存变化趋势

六、LAG 和 LEAD：查上一行、下一行，真的太好用

很多新手写 SQL 时，一遇到“和上一天比较”，就想自连接。

说实话，能写，但丑。

窗口函数里有更直接的：

• LAG()：看上一行
• LEAD()：看下一行

1. 看上一天销售额

SELECT
  sale_date,
  amount,
  LAG(amount, 1) OVER(ORDER BY sale_date) AS prev_amount
FROM daily_sales;

这里：

• LAG(amount, 1) 表示取前 1 行的 amount
• 如果前面没有行，就返回 NULL

2. 直接算日增长

SELECT
  sale_date,
  amount,
  LAG(amount, 1) OVER(ORDER BY sale_date) AS prev_amount,
  amount - LAG(amount, 1) OVER(ORDER BY sale_date) AS diff_amount
FROM daily_sales;

这就能直接算出和上一天相比增减了多少。

3. 再进一步，算增长率

SELECT
  sale_date,
  amount,
  LAG(amount, 1) OVER(ORDER BY sale_date) AS prev_amount,
  ROUND(
    (amount - LAG(amount, 1) OVER(ORDER BY sale_date))
    / NULLIF(LAG(amount, 1) OVER(ORDER BY sale_date), 0),
    2
  ) AS growth_rate
FROM daily_sales;

这个场景在业务分析里非常常见：

• 环比增长
• 次日留存对比
• 用户行为变化
• 价格波动分析

七、很多人学不会窗口函数，不是因为难，是因为脑子里没画面

你可以用这个心智模型记：

普通聚合函数

像把很多行扔进榨汁机，最后变成一杯。

窗口函数

像你把每一行放在原位，只是给它发一张“统计结果小纸条”。

比如这一行员工数据旁边贴一张：

• 部门平均工资
• 部门排名
• 上一位同事工资
• 截至当前的累计销售额

行没消失，信息却更丰富了。

这就是窗口函数的本质。

八、再讲一个关键点：窗口函数常见组合拳

实战里，你不是只会写一个 ROW_NUMBER() 就完事，更多时候是组合使用。

场景 1：找每个用户最近一次登录

SELECT *
FROM (
  SELECT
    user_id,
    login_time,
    ROW_NUMBER() OVER(PARTITION BY user_id ORDER BY login_time DESC) AS rn
  FROM user_login_log
) t
WHERE rn = 1;

场景 2：计算每个部门的平均工资，并看员工是否高于部门均值

SELECT
  employee_id,
  name,
  department,
  salary,
  AVG(salary) OVER(PARTITION BY department) AS dept_avg_salary,
  CASE
    WHEN salary ＞ AVG(salary) OVER(PARTITION BY department) THEN &#x27;高于均值&#x27;
    ELSE &#x27;不高于均值&#x27;
  END AS salary_level
FROM employees;

场景 3：找连续上涨的数据趋势

SELECT
  sale_date,
  amount,
  LAG(amount, 1) OVER(ORDER BY sale_date) AS prev_amount,
  CASE
    WHEN amount ＞ LAG(amount, 1) OVER(ORDER BY sale_date) THEN &#x27;上涨&#x27;
    WHEN amount ＜ LAG(amount, 1) OVER(ORDER BY sale_date) THEN &#x27;下降&#x27;
    ELSE &#x27;持平&#x27;
  END AS trend
FROM daily_sales;

这些需求，如果不用窗口函数，不是不能做，是会写得更丑、更绕、更难维护。

九、初学者最容易踩的 5 个坑

1. 把 `PARTITION BY` 当成 `GROUP BY`

记住：

• GROUP BY：会减少结果行数
• PARTITION BY：不会减少结果行数

别混。

2. 排名函数没写 `ORDER BY`

像 ROW_NUMBER()、RANK() 这种函数，不写排序基本等于耍流氓。

你不指定顺序，数据库怎么知道谁第一？

3. 取 Top N 时选错函数

• 只要唯一编号：ROW_NUMBER()
• 允许并列且跳号：RANK()
• 允许并列且不跳号：DENSE_RANK()

别无脑都写 ROW_NUMBER()。

4. 忘了窗口函数是在 `SELECT` 结果阶段计算

所以你通常不能直接在里过滤窗口函数结果，要包一层子查询或用 QUALIFY（如果数据库支持）。

错误示意：

SELECT
  name,
  ROW_NUMBER() OVER(PARTITION BY department ORDER BY salary DESC) AS rn
FROM employees
WHERE rn ＜= 3;

这在很多数据库里会报错。

正确方式：

SELECT *
FROM (
  SELECT
    name,
    ROW_NUMBER() OVER(PARTITION BY department ORDER BY salary DESC) AS rn
  FROM employees
) t
WHERE rn ＜= 3;

5. 不理解默认窗口范围

尤其是 SUM()、AVG() 这种带 ORDER BY 的窗口函数，很多数据库会有默认 frame 行为。

你如果发现结果和预期不一致，就要看看是不是该显式写：

ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW

对于初学者来说，这一层先记住一句就够了：

只要你在做累计值，最好知道数据库默认 frame 是怎么处理的。

十、一套最实用的学习路径，别乱学

如果你想真正掌握 SQL 窗口函数，建议按下面顺序学：

第一步：先理解它和 `GROUP BY` 的区别

如果这一步不清楚，后面都会糊。

第二步：先练 `ROW_NUMBER()`、`RANK()`、`DENSE_RANK()`

因为这是最容易出现在题目和业务里的。

第三步：练累计求和

把 SUM() OVER(ORDER BY ...) 写顺手。

第四步：练 `LAG()` / `LEAD()`

这是分析类 SQL 的核心能力之一。

第五步：再去碰 frame、滑动窗口这些高级用法

比如：

• 最近 7 天移动平均
• 最近 3 条记录求均值
• 滚动统计

这些更进阶，但前面没打牢，学它们就是硬啃。

十一、给你一份窗口函数速记表

排名类

• ROW_NUMBER()：唯一编号，不管并列
• RANK()：并列占同名，后面跳号
• DENSE_RANK()：并列占同名，后面不跳号

聚合类

• SUM() OVER(...)：窗口求和
• AVG() OVER(...)：窗口平均值
• COUNT() OVER(...)：窗口计数
• MAX() OVER(...) / MIN() OVER(...)：窗口最大最小值

偏移类

• LAG()：取前 N 行
• LEAD()：取后 N 行

常见结构

-- 分组排名
ROW_NUMBER() OVER(PARTITION BY department ORDER BY salary DESC)

-- 分组累计
SUM(amount) OVER(PARTITION BY store_id ORDER BY sale_date)

-- 取上一行
LAG(amount, 1) OVER(ORDER BY sale_date)

建议你把这几种写法手打 5 遍，比看 20 遍教程有用。

十二、最后一句：窗口函数不是高级炫技，是实战刚需

很多人学 SQL，总爱把窗口函数当成“高级语法”，仿佛会了就显得厉害。

其实不是。

它不是炫技工具，而是分析 SQL 的基本功。

你一旦开始做下面这些事，就根本绕不开它：

• 排名
• Top N
• 去重保留最新记录
• 同比 / 环比
• 累计值
• 趋势分析
• 分组统计但保留明细

说白了：

不会窗口函数，你写 SQL 只能算“能查数据”；会窗口函数，你才开始真正“分析数据”。

这个差距，不小。

结尾

如果你现在对窗口函数还有点模糊，不用慌。

先把这篇文章里的几个核心例子亲手敲一遍：

1. ROW_NUMBER() 做每组 Top N
2. SUM() OVER(ORDER BY ...) 做累计求和
3. LAG() 做和上一条记录对比

把这三类写顺了，你对窗口函数的理解会立刻从“看懂”升级到“会用”。

真正学 SQL，别只背语法。要建立场景感。

窗口函数这东西，一旦开窍，后面很多分析题你都会觉得：

就这？原来以前是在绕远路。

阅读原文：原文链接

一、窗口函数到底是干嘛的？

1. GROUP BY 会把多行压成一行

2. 窗口函数保留明细，同时做聚合

二、先把最关键的语法拆开

1. OVER()：声明“我要按窗口算”

2. PARTITION BY：先分组，但不折叠行

3. ORDER BY：定义窗口内的顺序

三、先学会最常用的 3 个排名函数

1. ROW_NUMBER()：强行排唯一名次

2. RANK()：并列占同名，后面跳号

3. DENSE_RANK()：并列占同名，但不跳号

四、SQL 面试和实战都爱考：每组 Top N

顺手提醒一个坑

五、累计求和：窗口函数的另一个高频场景

如果想按门店分别累计？

六、LAG 和 LEAD：查上一行、下一行，真的太好用

1. 看上一天销售额

2. 直接算日增长

3. 再进一步，算增长率

七、很多人学不会窗口函数，不是因为难，是因为脑子里没画面

普通聚合函数

窗口函数

八、再讲一个关键点：窗口函数常见组合拳

场景 1：找每个用户最近一次登录

场景 2：计算每个部门的平均工资，并看员工是否高于部门均值

场景 3：找连续上涨的数据趋势

九、初学者最容易踩的 5 个坑

1. 把 PARTITION BY 当成 GROUP BY

2. 排名函数没写 ORDER BY

3. 取 Top N 时选错函数

4. 忘了窗口函数是在 SELECT 结果阶段计算

5. 不理解默认窗口范围

十、一套最实用的学习路径，别乱学

第一步：先理解它和 GROUP BY 的区别

第二步：先练 ROW_NUMBER()、RANK()、DENSE_RANK()

第三步：练累计求和

第四步：练 LAG() / LEAD()

第五步：再去碰 frame、滑动窗口这些高级用法

十一、给你一份窗口函数速记表

排名类

聚合类

偏移类

常见结构

十二、最后一句：窗口函数不是高级炫技，是实战刚需

结尾

1. `GROUP BY` 会把多行压成一行

1. `OVER()`：声明“我要按窗口算”

2. `PARTITION BY`：先分组，但不折叠行

3. `ORDER BY`：定义窗口内的顺序

1. `ROW_NUMBER()`：强行排唯一名次

2. `RANK()`：并列占同名，后面跳号

3. `DENSE_RANK()`：并列占同名，但不跳号

1. 把 `PARTITION BY` 当成 `GROUP BY`

2. 排名函数没写 `ORDER BY`

4. 忘了窗口函数是在 `SELECT` 结果阶段计算

第一步：先理解它和 `GROUP BY` 的区别

第二步：先练 `ROW_NUMBER()`、`RANK()`、`DENSE_RANK()`

第四步：练 `LAG()` / `LEAD()`