SQL Server 窗口函数详解：窗口行数控制的原理、关键字与应用场景

在 OLAP（联机分析处理）场景或明细数据驱动的应用中，SQL Server 提供的**窗口函数（Window Functions）**是一种高效、表达能力强的 SQL 特性。特别是通过 OVER() 子句中的 ROWS BETWEEN、RANGE BETWEEN 等关键字，开发者可以对“窗口行数”进行精确控制，从而实现滑动聚合、对比分析、排名处理等复杂逻辑。

本文将系统梳理 SQL Server 窗口函数中关于**“窗口行数控制”**的核心机制与用法，并结合具体业务场景进行分析。

一、窗口函数基础结构

窗口函数的基本结构如下：

函数名() OVER (
    [PARTITION BY 分组列]
    [ORDER BY 排序列]
    [ROWS | RANGE 窗口范围]
)

其中：

二、核心窗口函数分类

三、窗口范围关键字详解

1. ROWS BETWEEN —— 精确控制“行数”范围

用于物理行级别的窗口控制。

常见语法：

ROWS BETWEEN <x> PRECEDING AND <y> FOLLOWING

示例：最近 3 天内销售额统计

SELECT 
    StoreID,
    OrderDate,
    SUM(SalesAmount) OVER (
        PARTITION BY StoreID 
        ORDER BY OrderDate 
        ROWS BETWEEN 2 PRECEDING AND CURRENT ROW
    ) AS RollingSales
FROM Sales;

解释：对每家门店，从当前行往前取 2 行（共 3 天）累计销售额。

2. RANGE BETWEEN —— 控制“值范围”

用于排序键的值范围（只支持数值或日期等可比较的数据类型），适合处理“时间点相等”或“分段累计”的需求。

示例：

SELECT 
    OrderID,
    OrderDate,
    SUM(SalesAmount) OVER (
        ORDER BY OrderDate
        RANGE BETWEEN INTERVAL 7 DAY PRECEDING AND CURRENT ROW
    ) AS WeeklySales
FROM Sales;

注意：SQL Server 不支持带间隔单位的 RANGE BETWEEN INTERVAL 写法，只有在排序列值重复时有意义，大部分场景建议使用 ROWS 替代。

3. PARTITION BY：分组窗口范围

将结果集拆分为多个分区，在每个分区内独立进行窗口计算。

示例：每个用户最近 3 次登录时间：

SELECT 
    UserID,
    LoginTime,
    ROW_NUMBER() OVER (
        PARTITION BY UserID 
        ORDER BY LoginTime DESC
    ) AS RecentLoginRank
FROM Logins;

4. ORDER BY：定义窗口顺序

窗口函数中，ORDER BY 不仅决定了排序顺序，还直接影响窗口范围的定义、偏移函数的目标行。

四、典型业务场景示例

1. 移动平均值 / 滚动统计

SELECT 
    OrderDate,
    AVG(SalesAmount) OVER (
        ORDER BY OrderDate 
        ROWS BETWEEN 6 PRECEDING AND CURRENT ROW
    ) AS 7DayAvg
FROM Sales;

说明：用于生成时间序列 KPI，如活跃用户、日均订单、周均销售。

2. 分组内 Top-N 查询

WITH RankedSales AS (
    SELECT *,
        ROW_NUMBER() OVER (PARTITION BY StoreID ORDER BY SalesAmount DESC) AS rk
    FROM Sales
)
SELECT * FROM RankedSales WHERE rk <= 3;

说明：每家门店销售额排名前 3 的订单。

3. 同环比分析（同比、环比）

SELECT 
    OrderDate,
    SalesAmount,
    LAG(SalesAmount, 1) OVER (ORDER BY OrderDate) AS PrevDaySales,
    SalesAmount - LAG(SalesAmount, 1) OVER (ORDER BY OrderDate) AS Diff
FROM Sales;

说明：可用于订单增长、访问流量增幅等同比分析。

4. 取每组的第一条/最后一条记录

SELECT *,
    FIRST_VALUE(OrderDate) OVER (
        PARTITION BY CustomerID ORDER BY OrderDate
    ) AS FirstOrderDate
FROM Orders;

五、性能优化建议

六、总结：它解决了什么问题？

附：常用窗口函数参考表