浅析SQL的窗口函数是什么，怎么使用，为什么需要使用窗口函数以及利用窗口函数解决TopN问题

一、窗口函数有什么用

　　在日常工作中，经常会遇到需要在每组内排名，比如下面的业务需求：

排名问题：每个部门按业绩来排名
topN问题：找出每个部门排名前N的员工进行奖励

　　面对这类需求，就需要使用sql的高级功能窗口函数了。

二、什么是窗口函数

　　窗口函数，也叫OLAP函数（Online Anallytical Processing，联机分析处理），可以对数据库数据进行实时分析处理。窗口函数的基本语法如下：

<窗口函数> over (partition by <用于分组的列名>
                order by <用于排序的列名>)

　　那么语法中的<窗口函数>都有哪些呢？<窗口函数>的位置，可以放以下两种函数：

1、 专用窗口函数，包括后面要讲到的rank, dense_rank, row_number等专用窗口函数。

2、 聚合函数，如sum. avg, count, max, min等

　　因为窗口函数是对where或者group by子句处理后的结果进行操作，所以窗口函数原则上只能写在select子句中。

三、如何使用

　　接下来，就结合实例，给大家介绍几种窗口函数的用法。

1、专用窗口函数rank

　　例如如果我们想在每个班级内按成绩排名，得到下面的结果。

　　以班级“1”为例，这个班级的成绩“95”排在第1位，这个班级的“83”排在第4位。上面这个结果确实按我们的要求在每个班级内，按成绩排名了。得到上面结果的sql语句代码如下：

select *,
   rank() over (partition by 班级
                 order by 成绩 desc) as ranking
from 班级表

　　我们来解释下这个sql语句里的select子句。rank是排序的函数。要求是“每个班级内按成绩排名”，这句话可以分为两部分：

1）每个班级内：按班级分组 - partition by用来对表分组。在这个例子中，所以我们指定了按“班级”分组（partition by 班级）

2）按成绩排名：order by子句的功能是对分组后的结果进行排序，默认是按照升序（asc）排列。在本例中（order by 成绩 desc）是按成绩这一列排序，加了desc关键词表示降序排列。

2、为什么需要用窗口函数？

　　窗口函数具备了我们之前学过的group by子句分组的功能和order by子句排序的功能。那么，为什么还要用窗口函数呢？

　　这是因为，group by分组汇总后改变了表的行数，一行只有一个类别。而partiition by和rank函数不会减少原表中的行数。例如下面统计每个班级的人数。

　　现在我们说回来，为什么叫“窗口”函数呢？这是因为partition by分组后的结果称为“窗口”，这里的窗口不是我们家里的门窗，而是表示“范围”的意思。简单来说，窗口函数有以下功能：

1）同时具有分组和排序的功能

2）不减少原表的行数

3）语法如下：

<窗口函数> over (partition by <用于分组的列名>
                order by <用于排序的列名>)

3、其他专用窗口函数

　　专用窗口函数rank, dense_rank, row_number有什么区别呢？它们的区别我举个例子，你们一下就能看懂：

select *,
   rank() over (order by 成绩 desc) as ranking,
   dense_rank() over (order by 成绩 desc) as dese_rank,
   row_number() over (order by 成绩 desc) as row_num
from 班级表

　　从上面的结果可以看出：

（1）rank函数：这个例子中是5位，5位，5位，8位，也就是如果有并列名次的行，会占用下一名次的位置。比如正常排名是1，2，3，4，但是现在前3名是并列的名次，结果是：1，1，1，4。

（2）dense_rank函数：这个例子中是5位，5位，5位，6位，也就是如果有并列名次的行，不占用下一名次的位置。比如正常排名是1，2，3，4，但是现在前3名是并列的名次，结果是：1，1，1，2。

（3）row_number函数：这个例子中是5位，6位，7位，8位，也就是不考虑并列名次的情况。比如前3名是并列的名次，排名是正常的1，2，3，4。

　　最后，需要强调的一点是：在上述的这三个专用窗口函数中，函数后面的括号不需要任何参数，保持()空着就可以。现在，大家对窗口函数有一个基本了解了吗？

 4、聚合函数作为窗口函数

　　聚和窗口函数和上面提到的专用窗口函数用法完全相同，只需要把聚合函数写在窗口函数的位置即可，但是函数后面括号里面不能为空，需要指定聚合的列名。我们来看一下窗口函数是聚合函数时，会出来什么结果：

select *,
   sum(成绩) over (order by 学号) as current_sum,
   avg(成绩) over (order by 学号) as current_avg,
   count(成绩) over (order by 学号) as current_count,
   max(成绩) over (order by 学号) as current_max,
   min(成绩) over (order by 学号) as current_min
from 班级表

 

　　有发现什么吗？我单独用sum举个例子：如上图，聚合函数sum在窗口函数中，是对自身记录、及位于自身记录以上的数据进行求和的结果。比如0004号，在使用sum窗口函数后的结果，是对0001，0002，0003，0004号的成绩求和，若是0005号，则结果是0001号~0005号成绩的求和，以此类推。

　　不仅是sum求和，平均、计数、最大最小值，也是同理，都是针对自身记录、以及自身记录之上的所有数据进行计算，现在再结合刚才得到的结果（下图），是不是理解起来容易多了？

　　比如0005号后面的聚合窗口函数结果是：学号0001~0005五人成绩的总和、平均、计数及最大最小值。如果想要知道所有人成绩的总和、平均等聚合结果，看最后一行即可。

　　这样使用窗口函数有什么用呢？聚合函数作为窗口函数，可以在每一行的数据里直观的看到，截止到本行数据，统计数据是多少（最大值、最小值等）。同时可以看出每一行数据，对整体统计数据的影响。

四、注意事项

　　partition子句可以省略，省略就是不指定分组，结果如下，只是按成绩由高到低进行了排序

select *,
   rank() over (order by 成绩 desc) as ranking
from 班级表

 　　但是，这就失去了窗口函数的功能，所以一般不要这么使用。

五、窗口函数相关总结

1、窗口函数语法

<窗口函数> over (partition by <用于分组的列名>
                order by <用于排序的列名>)

　　<窗口函数>的位置，可以放以下两种函数：

（1）专用窗口函数，比如rank, dense_rank, row_number等   -  对并列排行的不同处理

（2）聚合函数，如sum. avg, count, max, min等   -  自身记录加上之前记录的处理

2、窗口函数有以下功能：

（1）同时具有分组（partition by）和排序（order by）的功能

（2）不减少原表的行数，所以经常用来在每组内排名   -  group by 会减少原表行数

3、注意事项

（1）窗口函数原则上只能写在select子句中

（2）partition子句可以省略，省略就是不指定分组，但是，这就失去了窗口函数的功能，所以一般不要这么使用。

4、窗口函数使用场景

（1）业务需求“在每组内排名”，比如：排名问题：每个部门按业绩来排名；topN问题：找出每个部门排名前N的员工进行奖励。

六、SQL面试题：经典topN问题

　　工作中会经常遇到这样的业务问题：如何找到每个类别下用户点击最多的5个商品是什么？这类问题其实就是常见的：每组最大的N条记录(topN)。

1、题目：现有“成绩表”，记录了每个学生各科的成绩。

2、问题：查找每个学生成绩最高的2个科目。

3、解题思路：

（1）看到问题中要查“每个”学生最高的成绩。还记得我们之前课程里讲过的吗？当有“每个”出现的时候，就要想到是要分组了。这里是“每个学生”，结合表的结构，是按学生“姓名”来分组。

（2）将表按学生姓名分组后，把成绩按降序排列，排在最前面的2个就是我们要找的“成绩最高的2个科目”。

（3）现在分组后，需要排序，又不减少原表的行数，这种功能自然想到是窗口函数。

（4）使用哪个专用窗口函数？为了不受并列成绩的影响，使用row_number专用窗口函数

4、解题步骤：

（1）步骤一：按姓名分组(partiotion by 姓名)、并按成绩降序排列(order by 成绩 desc)，套入窗口函数的语法，就是下面的sql语句：

select *, 
      row_number() over (partition by 姓名
                   order by 成绩 desc) as ranking
from 成绩表

（2）步骤二：如上表黄色框内的数据，每个同学成绩最好的2个科目，就是要求的解。想得到这个解，只要提取出“ranking”值小于等于2的数据就可以了。那么，只需要在上一步的slq语句里加入条件字句where就可以了

select *, 
      row_number() over (partition by 姓名
                   order by 成绩 desc) as ranking
from 成绩表
where ranking <=2

　　很多同学都会用这样的思路解题，但是这样写，sql会报错，为什么呢？

　　要牢记sql的书写顺序和运行顺序。在运行顺序中，select字句是最后被运行的。

　　当明白了运行顺序以后，就知道错误的原因了：运行到”where ranking > 2”的时候，因为select字句还没有被执行，因此select中的“ranking”列还没有出现，从而导致报错。

5、解决方法是什么呢？

　　这种情况就可以用子查询，也就是把第一步得到查询结果作为一个新的表，sql语句如下：

select *
from (
   select *, 
          row_number() over (partition by 姓名
                       order by 成绩 desc) as ranking
   from 成绩表) as a
where ranking <=2

6、考点

（1）主要考查对窗口函数的灵活使用。

（2）在筛选过程中，非常容易因为子查询问题报错，本题也考察了对子查询的熟练运用。

（3）本题间接考察了对sql语句执行顺序的熟悉程度。

7、经典topN问题：每组最大的N条记录。

　　这类问题涉及到“既要分组，又要排序”的情况，要能想到用窗口函数来实现。本题的sql语句修改下（将where字句里的条件修改成N），就可以成为这类问题的一个万能模板，遇到这类问题往里面套就可以了：

// topN问题 sql模板
select *
from (
   select *, 
          row_number() over (partition by 要分组的列名
                       order by 要排序的列名 desc) as ranking
   from 表名) as a
where ranking <= N

原文链接：https://zhuanlan.zhihu.com/p/93346220