窗口函数OVER(PARTITION BY)详细用法——语法+函数+开窗范围ROWS和RANGE

窗口函数可以在保留明细行的同时，计算排名、累计值、移动平均、前后行比较等结果。理解窗口函数 OVER(PARTITION BY) 详细用法，关键是掌握函数、分区、排序和开窗范围四个部分。

基本语法

窗口函数常见结构如下：

函数名(参数) OVER (
  PARTITION BY 分区字段
  ORDER BY 排序字段
  ROWS BETWEEN ... AND ...
)

partition by 决定在哪个范围内独立计算，order by 决定窗口内顺序，rows 或 range 决定当前行参与计算的窗口边界。

常见函数类型

聚合函数可以作为窗口函数使用，例如 sum、avg、count、max、min。排序函数包括 row_number、rank、dense_rank、ntile。前后行函数包括 lag、lead，常用于环比、相邻记录比较。

SELECT user_id,
       order_date,
       amount,
       SUM(amount) OVER (
         PARTITION BY user_id
         ORDER BY order_date
       ) AS running_amount
FROM orders;

这条 SQL 可以计算每个用户按订单日期累计的金额。

PARTITION BY 与 GROUP BY 的区别

group by 会把多行聚合成一行，而窗口函数不会减少明细行。也就是说，窗口函数更适合在明细数据上附加排名、累计、分组统计结果。

例如要同时展示每笔订单金额和用户总金额，用窗口函数比先聚合再 join 更直观。

ROWS 和 RANGE 的差异

ROWS 按物理行数定义窗口边界，例如当前行及前 2 行。RANGE 按排序字段的取值范围定义窗口，遇到相同排序值时，可能把多个同值行一起纳入窗口。

SUM(amount) OVER (
  ORDER BY order_date
  ROWS BETWEEN 6 PRECEDING AND CURRENT ROW
)

这表示按排序后的当前行及前 6 行计算累计。若使用 RANGE，含义会与排序字段类型和数据库实现有关，日期、数值和重复值场景下都要谨慎验证。

常见注意事项

第一，窗口函数的 order by 要尽量稳定，必要时加入唯一字段避免同值行顺序不确定。第二，不同数据库对窗口范围默认值支持不同，复杂 SQL 应显式写出边界。第三，大范围窗口可能带来排序和内存开销，需要关注执行计划。

窗口函数 OVER(PARTITION BY) 的优势在于表达能力强，但也容易因为边界理解不清产生错误结果。写窗口 SQL 时，先用少量样例数据手工推演，再扩展到生产数据，是非常有效的验证方式。