SQL窗口函数实战：数据分析与性能优化-代码聚汇网

SQL窗口函数实战：数据分析与性能优化

淡然最好·2026-08-11·阅读 25 GEO检测（免费）

SQL窗口函数数据分析MySQL 8.0

|难度：普通|阅读约 20 分钟

1. 窗口函数：SQL查询的进阶利器

在数据分析工作中，我们经常遇到这样的需求：既要计算每行的值，又要考虑它在整个数据集中的相对位置或分组中的表现。传统SQL的GROUP BY虽然能实现聚合，但会丢失原始行细节；而简单查询能保留行细节，却无法进行跨行计算。窗口函数（Window Function）正是为解决这一矛盾而生的利器。

窗口函数与其他SQL函数的本质区别在于：它不会将多行合并为一行，而是为每一行返回一个基于"窗口"（即与该行相关的一组行）计算的值。这种机制使得我们能够：

在保留原始数据行的同时进行排名、聚合等计算
定义灵活的数据窗口（如前N行、后N行、分组内所有行等）
实现复杂的分析逻辑而不需要多次自连接查询

MySQL从8.0版本开始原生支持窗口函数，这彻底改变了我们处理分析型查询的方式。在此之前，要实现类似功能往往需要编写复杂的自连接或子查询，性能开销巨大。

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 排名类窗口函数实战

2.1 基础排名函数对比

排名函数是窗口函数中最常用的类别，主要包括：

ROW_NUMBER(): 连续不重复的序号（1,2,3,...）
RANK(): 并列排名会跳过后续序号（1,2,2,4,...）
DENSE_RANK(): 并列排名不跳过序号（1,2,2,3,...）

假设我们有学生成绩表student_scores：

sql复制CREATE TABLE student_scores (
    student_id INT,
    student_name VARCHAR(50),
    subject VARCHAR(50),
    score INT
);

三种排名函数的差异可以通过以下查询直观展示：

sql复制SELECT 
    student_id,
    student_name,
    score,
    ROW_NUMBER() OVER (ORDER BY score DESC) AS row_num,
    RANK() OVER (ORDER BY score DESC) AS rank_val,
    DENSE_RANK() OVER (ORDER BY score DESC) AS dense_rank_val
FROM student_scores
WHERE subject = 'Math'
ORDER BY score DESC;

2.2 实战案例：年级成绩排名

假设我们需要生成包含以下信息的报表：

每个学生在各科目的排名
年级前10%的学生标记
与班级平均分的差距

sql复制WITH subject_stats AS (
    SELECT 
        subject,
        AVG(score) AS avg_score,
        PERCENTILE_DISC(0.9) WITHIN GROUP (ORDER BY score) AS top_10_threshold
    FROM student_scores
    GROUP BY subject
)
SELECT 
    s.student_id,
    s.student_name,
    s.subject,
    s.score,
    RANK() OVER (PARTITION BY s.subject ORDER BY s.score DESC) AS subject_rank,
    CASE WHEN s.score >= st.top_10_threshold THEN 'Yes' ELSE 'No' END AS is_top_10_percent,
    ROUND(s.score - st.avg_score, 2) AS diff_from_avg,
    ROUND((s.score - st.avg_score) / st.avg_score * 100, 2) AS percent_diff
FROM student_scores s
JOIN subject_stats st ON s.subject = st.subject
ORDER BY s.subject, subject_rank;

注意：PERCENTILE_DISC函数在MySQL中需要使用特定版本或替代实现，这里为说明逻辑简化表示

2.3 分区排名的高级应用

PARTITION BY子句让我们能在不同分组内分别计算排名，这在多维度分析中非常有用。例如，分析每个班级内学生的成绩分布：

sql复制SELECT 
    class_id,
    student_id,
    student_name,
    score,
    RANK() OVER (PARTITION BY class_id ORDER BY score DESC) AS class_rank,
    ROUND(PERCENT_RANK() OVER (PARTITION BY class_id ORDER BY score DESC) * 100, 2) AS percentile
FROM student_scores
WHERE subject = 'Math';

PERCENT_RANK()函数返回的是相对排名百分比（0到1之间），可以直观看出学生在班级中的位置。

3. 聚合类窗口函数深度解析

3.1 基本聚合函数窗口化

常见的聚合函数如SUM(), AVG(), COUNT()等都可以作为窗口函数使用。与GROUP BY不同，窗口化的聚合函数不会减少行数。

考虑销售数据表sales：

sql复制CREATE TABLE sales (
    sale_id INT,
    sale_date DATE,
    product_id INT,
    amount DECIMAL(10,2),
    region VARCHAR(50)
);

计算每个销售记录的累计销售额：

sql复制SELECT 
    sale_id,
    sale_date,
    product_id,
    amount,
    SUM(amount) OVER (ORDER BY sale_date) AS running_total,
    SUM(amount) OVER (PARTITION BY product_id ORDER BY sale_date) AS product_running_total
FROM sales
ORDER BY sale_date;

3.2 移动平均与滑动窗口

窗口函数特别适合时间序列分析，如计算7天移动平均：

sql复制SELECT 
    sale_date,
    amount,
    AVG(amount) OVER (ORDER BY sale_date ROWS BETWEEN 6 PRECEDING AND CURRENT ROW) AS moving_avg_7day,
    SUM(amount) OVER (ORDER BY sale_date ROWS BETWEEN 29 PRECEDING AND CURRENT ROW) AS monthly_running_total
FROM sales
WHERE product_id = 101
ORDER BY sale_date;

窗口帧（Window Frame）定义决定了计算范围，常见选项有：

ROWS BETWEEN N PRECEDING AND M FOLLOWING
RANGE BETWEEN INTERVAL '7' DAY PRECEDING AND CURRENT ROW
GROUPS BETWEEN 1 PRECEDING AND 1 FOLLOWING

3.3 高级分析函数

MySQL还提供了一些专门的分析函数：

FIRST_VALUE()/LAST_VALUE(): 获取窗口中的第一个/最后一个值
LAG()/LEAD(): 访问前一行/后一行的数据
NTH_VALUE(): 获取窗口中的第N个值

例如，计算销售额的环比增长：

sql复制SELECT 
    sale_date,
    amount,
    LAG(amount, 1) OVER (ORDER BY sale_date) AS prev_day_amount,
    ROUND((amount - LAG(amount, 1) OVER (ORDER BY sale_date)) / 
          LAG(amount, 1) OVER (ORDER BY sale_date) * 100, 2) AS day_over_day_pct
FROM sales
WHERE product_id = 101
ORDER BY sale_date;

4. 性能优化与实战技巧

4.1 窗口函数执行计划分析

窗口函数的性能很大程度上取决于：

PARTITION BY子句的列是否有合适的索引
ORDER BY子句的排序成本
窗口帧的范围大小

使用EXPLAIN分析查询计划：

sql复制EXPLAIN 
SELECT student_id, RANK() OVER (PARTITION BY class_id ORDER BY score DESC) 
FROM student_scores;

对于大型表，应考虑：

为PARTITION BY列创建索引
减少窗口帧的范围
避免在窗口函数中使用复杂表达式

4.2 常见陷阱与解决方案

默认窗口帧问题：
- 当有ORDER BY时，默认帧是RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
- 这可能导致意外的计算结果，特别是使用聚合函数时
NULL值处理：
- 排名函数中NULL值的排序行为（MySQL中NULL被视为最小值）
- 使用NULLS FIRST/LAST语法控制NULL值位置（MySQL 8.0+支持）
并行执行限制：
- 复杂窗口函数可能无法充分利用并行执行
- 考虑将查询拆分为多个步骤

4.3 真实案例：电商用户行为分析

假设我们需要分析用户购买行为：

计算用户首次购买后的30天内复购率
识别高价值用户（购买频次高于平均水平）
分析用户购买序列

sql复制WITH user_purchases AS (
    SELECT 
        user_id,
        purchase_date,
        LAG(purchase_date) OVER (PARTITION BY user_id ORDER BY purchase_date) AS prev_purchase_date,
        DATEDIFF(purchase_date, LAG(purchase_date) OVER (PARTITION BY user_id ORDER BY purchase_date)) AS days_since_last_purchase,
        FIRST_VALUE(purchase_date) OVER (PARTITION BY user_id ORDER BY purchase_date) AS first_purchase_date
    FROM purchases
),
user_stats AS (
    SELECT 
        user_id,
        COUNT(*) AS purchase_count,
        DATEDIFF(MAX(purchase_date), MIN(purchase_date)) AS active_days,
        AVG(days_since_last_purchase) AS avg_purchase_interval
    FROM user_purchases
    GROUP BY user_id
)
SELECT 
    u.user_id,
    u.purchase_count,
    u.active_days,
    u.avg_purchase_interval,
    CASE WHEN u.avg_purchase_interval <= 30 THEN 'High' ELSE 'Low' END AS engagement_level,
    p.first_purchase_date,
    SUM(CASE WHEN DATEDIFF(p.purchase_date, p.first_purchase_date) <= 30 THEN 1 ELSE 0 END) AS purchases_in_first_30days
FROM user_stats u
JOIN user_purchases p ON u.user_id = p.user_id
GROUP BY u.user_id, u.purchase_count, u.active_days, u.avg_purchase_interval, p.first_purchase_date;

5. 复杂场景综合应用

5.1 多层次分析：部门-公司-行业对比

窗口函数可以实现多层次聚合而无需多次扫描表。例如，分析员工薪资在部门内和全公司的位置：

sql复制SELECT 
    e.employee_id,
    e.department,
    e.salary,
    ROUND(e.salary / AVG(e.salary) OVER (PARTITION BY e.department), 2) AS dept_ratio,
    ROUND(e.salary / AVG(e.salary) OVER (), 2) AS company_ratio,
    PERCENT_RANK() OVER (PARTITION BY e.department ORDER BY e.salary) AS dept_percentile,
    PERCENT_RANK() OVER (ORDER BY e.salary) AS company_percentile
FROM employees e;

5.2 会话分割与用户路径分析

在用户行为分析中，通常需要将连续活动分割为会话（30分钟无活动视为新会话）：

sql复制WITH user_events AS (
    SELECT 
        user_id,
        event_time,
        event_type,
        LAG(event_time) OVER (PARTITION BY user_id ORDER BY event_time) AS prev_event_time
    FROM events
),
session_boundaries AS (
    SELECT 
        user_id,
        event_time,
        event_type,
        CASE 
            WHEN TIMESTAMPDIFF(MINUTE, prev_event_time, event_time) > 30 OR prev_event_time IS NULL 
            THEN 1 
            ELSE 0 
        END AS is_new_session
    FROM user_events
),
session_ids AS (
    SELECT 
        user_id,
        event_time,
        event_type,
        SUM(is_new_session) OVER (PARTITION BY user_id ORDER BY event_time) AS session_id
    FROM session_boundaries
)
SELECT 
    user_id,
    session_id,
    MIN(event_time) AS session_start,
    MAX(event_time) AS session_end,
    COUNT(*) AS events_count,
    GROUP_CONCAT(event_type ORDER BY event_time SEPARATOR ' -> ') AS event_sequence
FROM session_ids
GROUP BY user_id, session_id;

5.3 高级模式：递归CTE与窗口函数结合

对于层级数据或图数据，可以结合递归CTE和窗口函数：

sql复制WITH RECURSIVE employee_hierarchy AS (
    -- 基础查询：找出所有顶级管理者
    SELECT 
        id,
        name,
        manager_id,
        1 AS level,
        CAST(name AS CHAR(1000)) AS path
    FROM employees
    WHERE manager_id IS NULL
    
    UNION ALL
    
    -- 递归查询：找出每个管理者的直接下属
    SELECT 
        e.id,
        e.name,
        e.manager_id,
        eh.level + 1,
        CONCAT(eh.path, ' > ', e.name) AS path
    FROM employees e
    JOIN employee_hierarchy eh ON e.manager_id = eh.id
)
SELECT 
    id,
    name,
    level,
    path,
    COUNT(*) OVER (PARTITION BY level) AS peers_count,
    FIRST_VALUE(name) OVER (PARTITION BY level ORDER BY name) AS first_peer,
    LAST_VALUE(name) OVER (PARTITION BY level ORDER BY name ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS last_peer
FROM employee_hierarchy
ORDER BY path;

在实际项目中，窗口函数几乎成为了复杂数据分析的标准工具。从我个人的使用经验来看，掌握窗口函数可以大幅减少应用程序代码的复杂性，将更多逻辑放在数据库层处理，不仅提高性能，还能保证数据一致性。特别是在处理时间序列数据、层级数据和需要相对计算的场景时，窗口函数的表现尤为出色。

一个常被忽视的技巧是：在编写复杂窗口函数查询时，可以多用CTE（WITH子句）将查询分解为逻辑步骤，这样既提高了可读性，也方便调试每个中间步骤的结果。另外，对于需要相同窗口定义的多个函数，可以使用WINDOW子句重用定义，例如：

sql复制SELECT 
    student_id,
    AVG(score) OVER w AS avg_score,
    MAX(score) OVER w AS max_score,
    MIN(score) OVER w AS min_score
FROM student_scores
WINDOW w AS (PARTITION BY class_id ORDER BY score DESC)

这种写法不仅简洁，而且只需定义一次窗口规范，减少了出错的可能性。