窗口函数是在不折叠原始行的前提下做分组计算。它与 GROUP BY 的根本区别是：GROUP BY 把多行压成一行，窗口函数保留全部原始行，再把计算结果附加到每一行上。
GROUP BY 与窗口函数的区别
GROUP BY 输出的是聚合后的行，窗口函数输出的是原始行 + 计算列。
-- GROUP BY：每个部门一行，看不到具体员工
SELECT dept, AVG(salary) AS avg_salary
FROM employee
GROUP BY dept;
-- 窗口函数：每个员工一行，同时带上部门平均
SELECT name, dept, salary,
AVG(salary) OVER (PARTITION BY dept) AS dept_avg
FROM employee;这个能力解决了一类此前必须靠自连接或子查询才能解决的问题：把聚合值与原行放在一起比较——「每个员工的薪资与部门平均差多少」。
第一类：排名函数
三个排名函数的差别只在「遇到并列时怎么办」：ROW_NUMBER 不并列、RANK 并列后跳号、DENSE_RANK 并列后不跳号。
SELECT name, score,
ROW_NUMBER() OVER (ORDER BY score DESC) AS row_no,
RANK() OVER (ORDER BY score DESC) AS rnk,
DENSE_RANK() OVER (ORDER BY score DESC) AS dense_rnk
FROM student;假设分数为 100, 95, 95, 90：
| score | ROW_NUMBER | RANK | DENSE_RANK |
|---|---|---|---|
| 100 | 1 | 1 | 1 |
| 95 | 2 | 2 | 2 |
| 95 | 3 | 2 | 2 |
| 90 | 4 | 4 | 3 |
「取每门课前 3 名」用哪个？用 RANK 能保留并列第三名（返回 4 行）；用 ROW_NUMBER 会强制截断到恰好 3 行，但并列者谁入选是任意的。选择取决于业务是否接受「并列同分却被排除」。
第二类：取前后行（LAG / LEAD）
LAG 取当前行之前第 N 行的值，LEAD 取之后第 N 行，用于计算环比、同比、间隔。
SELECT month, revenue,
LAG(revenue, 1) OVER (ORDER BY month) AS prev_month,
revenue - LAG(revenue, 1) OVER (ORDER BY month) AS mom_change,
LEAD(revenue, 1) OVER (ORDER BY month) AS next_month
FROM monthly_revenue;第一行没有「上一行」，所以 LAG 返回 NULL——计算增长率时要处理这个 NULL，否则整个计算会变成 NULL。
-- 环比增长率，首行用 NULLIF 避免除零
SELECT month, revenue,
ROUND(
(revenue - LAG(revenue) OVER (ORDER BY month))::numeric
/ NULLIF(LAG(revenue) OVER (ORDER BY month), 0) * 100, 2
) AS mom_pct
FROM monthly_revenue;第三类：聚合窗口（累计与移动平均）
在 OVER 里加 ORDER BY 会定义「帧」，默认是从第一行到当前行——这正好是累计求和。
SELECT day, amount,
-- 累计求和：默认帧 RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
SUM(amount) OVER (ORDER BY day) AS running_total,
-- 7 日移动平均：显式指定帧
AVG(amount) OVER (
ORDER BY day
ROWS BETWEEN 6 PRECEDING AND CURRENT ROW
) AS ma7
FROM daily_sales;不写 ORDER BY 的聚合窗口是「整组聚合」，写了的才是「累计」。这个差别极易遗漏：
SUM(x) OVER (PARTITION BY dept) -- 部门总额（每行相同）
SUM(x) OVER (PARTITION BY dept ORDER BY day) -- 部门内累计
SUM(x) OVER (PARTITION BY dept ORDER BY day
ROWS BETWEEN UNBOUNDED PRECEDING
AND UNBOUNDED FOLLOWING) -- 又是部门总额第四类：分桶与百分位
NTILE 把结果按顺序分成 N 桶，PERCENT_RANK 给出相对位置，CUME_DIST 给出累积分布。
SELECT name, score,
NTILE(4) OVER (ORDER BY score DESC) AS quartile,
PERCENT_RANK() OVER (ORDER BY score DESC) AS pct_rank,
CUME_DIST() OVER (ORDER BY score DESC) AS cum_dist
FROM student;NTILE 常用于分层抽样——按某个指标分成四组，每组抽同样数量，保证样本覆盖全部分布区间。
PARTITION BY：分组的边界
PARTITION BY 定义「在哪个范围内排名 / 累计」，不影响输出行数。
-- 每门课程内排名，而不是全表排名
SELECT student_id, course_id, score,
RANK() OVER (PARTITION BY course_id ORDER BY score DESC) AS rnk_in_course
FROM enrollment;
-- 多个分区键
SELECT region, product, month, sales,
SUM(sales) OVER (PARTITION BY region, product ORDER BY month) AS running
FROM sales_fact;帧定义：ROWS 与 RANGE 的区别
ROWS 按物理行数计算边界，RANGE 按排序值计算——在存在并列值时两者结果不同。
-- ROWS：严格取前 2 行 + 当前行
SUM(x) OVER (ORDER BY day ROWS BETWEEN 2 PRECEDING AND CURRENT ROW)
-- RANGE：取「值在当前值减 2 以内」的所有行，并列值会一并包含
SUM(x) OVER (ORDER BY day RANGE BETWEEN 2 PRECEDING AND CURRENT ROW)做移动平均时通常用 ROWS（想要「最近 N 条记录」），做日期区间汇总时用 RANGE（想要「最近 N 天」）。
执行顺序与常见限制
窗口函数在 WHERE / GROUP BY / HAVING 之后、ORDER BY 之前执行，所以不能写在 WHERE 里。
-- ❌ 错误：窗口函数不能出现在 WHERE 中
SELECT * FROM (
SELECT name, RANK() OVER (ORDER BY score DESC) AS rnk FROM student
) t WHERE rnk <= 3; -- 这里 rnk 是子查询的输出列，可以筛选
-- ✅ 正确：用子查询或 CTE 包一层
WITH ranked AS (
SELECT name, score, RANK() OVER (ORDER BY score DESC) AS rnk FROM student
)
SELECT * FROM ranked WHERE rnk <= 3;常见错误
- 把窗口函数写在 WHERE 里（应包一层子查询）。
- 以为 ROW_NUMBER 会自动处理并列（它不会，顺序任意）。
- 忘记 ORDER BY 却期待累计求和。
- LAG 首行 NULL 未处理，导致增长率整列为空。
- 移动平均没指定帧，结果与预期不同。
- PARTITION BY 写错，变成全表排名。
- 在 GROUP BY 查询里误用窗口函数（两者作用层级不同）。
- MySQL 8.0 以下不支持窗口函数（需用自连接模拟）。
常见问题
窗口函数和 GROUP BY 能一起用吗？
可以，但要注意顺序：GROUP BY 先聚合，窗口函数在聚合结果上再计算。例如「先按部门汇总总额，再给部门总额排名」——外层用窗口函数，内层用 GROUP BY。
MySQL 5.7 没有窗口函数怎么办？
用变量或自连接模拟排名：SELECT a.*, (SELECT COUNT(*) FROM t b WHERE b.score > a.score) + 1 AS rnk FROM t a。这种写法在数据量大时很慢，能升级到 8.0 就升级。
RANK 和 DENSE_RANK 到底该用哪个？
看业务是否允许「名次跳跃」。评奖通常用 RANK（两个并列第二，下一个是第四）；分级（如 ABC 三档）用 DENSE_RANK（两个第二，下一个是第三）。
为什么我的窗口函数结果和预期不一样？
三个高频原因：忘了 ORDER BY（导致默认整组聚合而不是累计）、PARTITION BY 写错（分组范围不对）、帧定义默认是 RANGE 而不是 ROWS（并列值处理不同）。逐项检查这三点。
窗口函数性能怎么样？
通常比等价的子查询快，因为它只需一次扫描。但 PARTITION BY 涉及排序，数据量大时要注意是否有对应索引。用 EXPLAIN 看执行计划里有没有额外的 sort 步骤。
可以在窗口函数里用 DISTINCT 吗？
大多数数据库不支持 COUNT(DISTINCT x) OVER (...)。变通做法是先按分区键去重再计数，或用 DENSE_RANK 等技巧模拟。PostgreSQL 支持部分场景，需查对应版本文档。
想搞懂 SQL 的执行顺序？
窗口函数能不能用、写在哪里，取决于 SQL 的执行顺序（FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY）。如果你对这条链路还不清楚，可以看看学习辅导——用具体的查询例子讲清楚每一步发生了什么。