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

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

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

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

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

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

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

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

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

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

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。

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

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。

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

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

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

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。

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

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

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。

+----------+---------+---------+----------+---------------------+------------------+------------------+------------------+
| 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。

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

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。

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

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,更多相关MySQL8.0开窗函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论