MySQL 窗口函数按时间去重时如何保留最新行

日志表、订单状态表、同步快照表经常会出现同一个业务键的多条记录。要按时间去重并保留最新行，最稳妥的写法是：用 ROW_NUMBER() 在每个业务分组内按时间倒序编号，再在外层筛选 rn = 1。不要直接用 GROUP BY 配合 MAX(updated_at)，那样很容易丢掉与最新时间对应的其他列。

官方地址：https://dev.mysql.com/doc/refman/8.4/en/window-functions-usage.html

先把“同一条记录”和“最新”定义清楚

我处理这类数据时，第一步不是写 SQL，而是先确认去重键。例如一个账号下同一个业务编码只能留一行，就用 account_id, biz_key 作为分组键；如果同一编码在不同租户之间互不相同，还必须把 tenant_id 加进去。分组键少了，会把本不该合并的记录删掉。

“最新”通常对应 updated_at，但创建时间、采集时间、状态生效时间的含义并不一样。还要确认它是否允许 NULL，以及精度是否只有秒级。如果多个记录共享同一个时间，必须准备一个唯一且稳定的次排序列，常见的是自增 id。

用 ROW_NUMBER() 给每个分组排出第一行

下面的例子按账号和业务键去重，保留更新时间最大的完整记录。窗口函数本身仍会为每一行产生结果，所以先在 CTE 中增加序号，再从外层取第一行。

WITH ranked AS (
  SELECT
    id, account_id, biz_key, updated_at, payload,
    ROW_NUMBER() OVER (
      PARTITION BY account_id, biz_key
      ORDER BY updated_at DESC, id DESC
    ) AS rn -- 时间相同则用唯一 id 稳定决胜
  FROM activity_log
)
SELECT id, account_id, biz_key, updated_at, payload
FROM ranked
WHERE rn = 1; -- 外层过滤，保留每组排名第一的完整行

PARTITION BY 只负责划分窗口，不会像 GROUP BY 那样把行合并；ORDER BY updated_at DESC 让最新时间排在前面，id DESC 则处理同一时间的并列。MySQL 手册也明确说明，ROW_NUMBER() 在没有排序时编号是不确定的，因此不要省略窗口内的排序。

并列时间、NULL 和性能取舍要单独处理

如果只写 ORDER BY updated_at DESC，同一组里时间相同的行都是并列项，数据库没有义务替你选择固定的一行。追加 id DESC 后，规则就变成“时间更新者优先，时间相同取 id 较大者”。如果业务上不允许任意决胜，则应增加版本号或明确的生效序列，而不是把选择交给执行计划。

降序排序时 NULL 的位置也要确认。MySQL 中升序 NULL 排在前面，降序 NULL 排在后面；如果 NULL 代表“未知”而不是“最旧”，可以显式写出业务规则，例如用 CASE WHEN updated_at IS NULL THEN 1 ELSE 0 END 作为首个排序表达式，并在注释中说明原因。

数据量较大时，窗口排序仍可能需要处理大量候选行。先用明确的时间范围、租户条件或状态条件缩小输入，再观察 EXPLAIN，通常比盲目添加索引更可靠。索引列顺序要围绕真实过滤条件和分组键设计，不能因为查询里出现了 ORDER BY 就假设一定可以完全避免排序。

上线前用四项检查确认结果

如果只是展示最新状态，这个查询通常足够；如果要把去重结果写回新表或删除历史行，则应先备份、统计重复组数量，并把写操作放到可回滚的变更流程里。

常见问题

为什么不能直接用 MAX(updated_at)？

MAX() 只能得到最大时间，不能自动带回该时间对应的完整行；窗口编号可以保留整行字段。

ROW_NUMBER() 和 RANK() 怎么选？

要每组严格保留一行，用 ROW_NUMBER()；如果并列记录都应该保留，再考虑 RANK() 或 DENSE_RANK()。

为什么 rn 不能直接写在 WHERE 里？

窗口函数在当前查询层生成结果，先放入 CTE 或派生表，再由外层按 rn 过滤，边界最清楚。