@[toc] MySQL9 已经出来了，MySQL8 相信也慢慢走进各位小伙伴的工作中了。
MySQL8 还是有很多重量级变化的，一些底层优化大家在使用中有时候不易察觉，但是有一些用法，还是带给我们耳目一新的感觉，今天松哥和大家分享一下 MySQL8 里边的窗口函数。
一 什么是窗口函数
在 MySQL 8 中，窗口函数（Window Functions）是一类强大的分析函数，允许你在查询结果集上执行计算，而无需将数据分组到多个输出行中。窗口函数通常与 OVER() 子句一起使用，以指定数据窗口，即窗口函数将要在其上执行计算的行集。
简单来说，窗口函数的作用类似于在查询中对数据进行分组，不同的是，分组操作会把分组的结果聚合成一条记录，而窗口函数是将结果置于每一条数据记录中。
窗口函数的格式类似下面这样：
<窗口函数> OVER ([PARTITION BY <分组列> [, <分组列>...]]
[ORDER BY <排序列> [ASC | DESC] [, <排序列> [ASC | DESC]]...]
[<rows or range clause>])
<窗口函数> : 定义要在窗口中计算的聚合函数或其它分析函数，如 COUNT、RANK、SUM 等。OVER : 窗口函数的核心关键字。PARTITION BY : 定义要用来分组的一组列名。ORDER BY : 定义用来排序的一组列名。<rows or range clause> : 定义窗口的行集合。默认为 ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW，表示窗口包括从窗口开始到当前行的所有行。
接下来我们通过一个实际案例来体会下窗口函数。
二 窗口函数实践
2.1 统计成绩和排名
假设我有如下一张表：
![]()
我现在想要计算学生的考试总成绩以及单科成绩排名，利用窗口函数就能快速搞定，如下：
SELECT name,subject,score,
SUM(score) OVER(PARTITION by name) AS '总分',
DENSE_RANK() OVER(PARTITION by subject ORDER BY score DESC) AS '学科排名'
from student
和窗口函数相关的就两列：
- sum 求总分，over 中按照 name 进行分组，相当于就是计算每个人的总分。
- dense_rank 是排序，这个函数会考虑并列的情况，但是并列并不影响排序，因为是计算每个人单科排名，所以就按照学科分组之后按照 score 排序。
最终执行结果如下：
![]()
2.2 销售统计
假设我有如下一张表：
![]()
这是一个名为 sales 的表，其中包含 id（销售记录 ID）、product_id（产品 ID）、sale_date（销售日期）和 amount（销售额）等字段。
现在有如下几个需求，大家把这几个需求搞懂了，基本上窗口函数就会用了。
计算累计销售额
需求：按产品 ID 分组，计算每个产品的累计销售额。
SELECT
id,
product_id,
sale_date,
amount,
SUM(amount) OVER (PARTITION BY product_id ORDER BY sale_date) AS '累计销售额'
FROM
sales;
SUM(amount) OVER (PARTITION BY product_id ORDER BY sale_date) AS '累计销售额' 表示按 product_id 分组，按 sale_date 排序，计算每个产品的累计销售额。
最终查询结果如下：
![]()
计算移动平均值
需求：按产品 ID 分组，计算每个产品的最近 3 笔销售记录的移动平均销售额。
SELECT
id,
product_id,
sale_date,
amount,
AVG(amount) OVER (PARTITION BY product_id ORDER BY sale_date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS '移动平均销售额'
FROM
sales;
AVG(amount) OVER (PARTITION BY product_id ORDER BY sale_date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS '移动平均销售额' 表示按 product_id 分组，按 sale_date 排序，计算当前行及前两行的平均销售额。
最终查询结果如下：
![]()
计算排名
需求：按产品 ID 分组，计算每个销售记录在该产品中的排名。
SELECT
id,
product_id,
sale_date,
amount,
RANK() OVER (PARTITION BY product_id ORDER BY amount DESC) AS '销售金额排名'
FROM
sales;
RANK() OVER (PARTITION BY product_id ORDER BY amount DESC) AS '销售金额排名' 表示按 product_id 分组，按 amount 降序排序，计算每个销售记录在该产品中的排名。
最终查询结果如下：
![]()
计算百分比排名
需求：按产品 ID 分组，计算每个销售记录在该产品中的百分比排名。
SELECT
id,
product_id,
sale_date,
amount,
PERCENT_RANK() OVER (PARTITION BY product_id ORDER BY amount DESC) AS '百分比排名'
FROM
sales;
PERCENT_RANK() OVER (PARTITION BY product_id ORDER BY amount DESC) AS '百分比排名' 表示按 product_id 分组，按 amount 降序排序，计算每个销售记录在该产品中的百分比排名。
最终查询结果如下：
![]()
计算前后行的差值
需求：按产品 ID 分组，计算每个销售记录与上一个销售记录之间的销售额差值。
SELECT
id,
product_id,
sale_date,
amount,
LAG(amount, 1) OVER (PARTITION BY product_id ORDER BY sale_date) AS '上个销售记录',
amount - LAG(amount, 1) OVER (PARTITION BY product_id ORDER BY sale_date) AS '差额'
FROM
sales;
LAG(amount, 1) OVER (PARTITION BY product_id ORDER BY sale_date)：按 product_id 分组，按 sale_date 排序，获取当前行的上一行的 amount 值。 amount - LAG(amount, 1) OVER (PARTITION BY product_id ORDER BY sale_date)：计算当前行与上一行的销售额差值。
最终查询结果如下：
![]()
计算第一个和最后一个值
需求：按产品 ID 分组，计算每个产品的第一个和最后一个销售日期。
SELECT
product_id,
MIN(sale_date) OVER (PARTITION BY product_id) AS '第一个销售日期',
MAX(sale_date) OVER (PARTITION BY product_id) AS '最后一个销售日期'
FROM
sales;
MIN(sale_date) OVER (PARTITION BY product_id)：按product_id分组，计算每个产品的第一个销售日期。 MAX(sale_date) OVER (PARTITION BY product_id)：按product_id分组，计算每个产品的最后一个销售日期。
最终查询结果如下：
![]()
好啦，通过这几个小小案例，小伙伴们明白窗口函数了吧～
