MySQL window function 怎样用 ROW_NUMBER 取每组最新记录

我在整理“每个客户只保留最近一笔订单”的查询时，最容易写错的地方不是 ROW_NUMBER() 本身，而是把“分组”“组内排序”和“最后筛选”混成了一层。稳定的写法是：先用 PARTITION BY 划分每组，再用 ORDER BY updated_at DESC, id DESC 给组内行编号，最后在外层取 rn = 1。

每组最新记录 = 每组内按最新时间倒序编号，再保留编号为 1 的行。时间相同的时候必须追加唯一键，否则“最新”可能在多次查询中摇摆。

本文使用 MySQL 8.4 窗口函数语法说明这个模式。官方文档明确区分了窗口操作和 GROUP BY：窗口函数不会把一组行压缩成一行，而是为每个输入行产生结果；这正适合先保留完整记录、再从编号结果中筛选。

先把“每组最新”改写成窗口内排序

假设订单表有 customer_id、updated_at 和唯一的 id。第一步不要急着写 WHERE rn = 1，先明确两个问题：一行属于哪个组，以及同组内谁应该排在最前面。PARTITION BY customer_id 回答第一个问题，ORDER BY updated_at DESC, id DESC 回答第二个问题。

WITH ranked_orders AS (
    SELECT
        id,
        customer_id,
        status,
        updated_at,
        ROW_NUMBER() OVER (
            PARTITION BY customer_id
            ORDER BY updated_at DESC, id DESC
        ) AS rn -- 先按更新时间，再用唯一 id 决定并列顺序
    FROM customer_order
    WHERE is_deleted = 0 -- 只让有效订单进入“每组最新”的候选集
)
SELECT id, customer_id, status, updated_at
FROM ranked_orders
WHERE rn = 1 -- 外层只保留每个客户编号最小的一行
ORDER BY customer_id, id;

这段查询的重点是排序方向。更新时间越晚，倒序后的编号越靠前；如果两行的更新时间完全相同，id DESC 让结果仍然有一个明确顺序。这里的 id 只是示例中的唯一键，实际项目也可以使用版本号、递增序列或业务上真正能决胜的字段。

ROW_NUMBER 的 ORDER BY 决定“最新”是谁

MySQL 官方说明，ROW_NUMBER() 返回当前行在分区中的编号；窗口定义中不写 ORDER BY 时，编号顺序是不确定的。也就是说，下面的写法虽然能得到编号，却不能表达“按更新时间取最新”。

SELECT
    id,
    customer_id,
    updated_at,
    ROW_NUMBER() OVER (
        PARTITION BY customer_id
    ) AS rn -- 没有排序条件，rn=1 不代表最新
FROM customer_order;

正确的窗口排序只作用于每个分区内部；如果还希望最终结果按客户或时间展示，需要在最外层另写一个查询级 ORDER BY。窗口里的排序负责编号，最外层排序负责展示，这两个位置不要互相替代。

并列时间戳是实际使用中最容易被忽略的细节。例如同一客户在同一秒写入两笔状态更新，如果只写 ORDER BY updated_at DESC，这两行属于同一个排序并列组。ROW_NUMBER() 仍会给它们不同编号，但哪一行拿到 1 不应依赖数据库当时采用的内部顺序，所以要把唯一键接在后面。

为什么要在外层筛选 rn = 1

窗口函数要先看到查询结果行，才能为分区编号。MySQL 的执行说明把窗口处理放在 WHERE、GROUP BY 和 HAVING 之后，并在最终 ORDER BY、LIMIT 和 DISTINCT 之前。对读者来说，最稳妥的记忆方式是：先让内层查询产生 rn，再让外层查询过滤它。

因此，下面这种两层结构比把逻辑塞进一条难读的查询更容易维护：CTE 负责定义候选集和编号规则，外层负责决定要保留哪些编号。

WITH ranked_orders AS (
    SELECT
        o.*,
        ROW_NUMBER() OVER (
            PARTITION BY o.customer_id
            ORDER BY o.updated_at DESC, o.id DESC
        ) AS rn -- 在候选集内为每个客户重新从 1 编号
    FROM customer_order AS o
    WHERE o.status  'cancelled' -- 先排除不应参与比较的订单
)
SELECT id, customer_id, status, updated_at
FROM ranked_orders
WHERE rn = 1;

过滤条件放在 CTE 内还是外层，含义并不一样。像“取消订单不参与最新判断”这样的条件应放在 CTE 内；像“编号完成后只取第一行”这样的条件放在外层。若把取消订单先编号、再在外层排除，可能出现某个客户的 rn = 1 正好是取消订单，外层过滤后就没有结果。

要不要改用 RANK 或 DENSE_RANK

如果业务要求每组严格返回一行，使用 ROW_NUMBER()。如果业务认为“同一时间的最新记录都要保留”，则可以考虑 RANK() 或 DENSE_RANK()，但要接受一组可能返回多行的结果。

WITH ranked_orders AS (
    SELECT
        o.*,
        RANK() OVER (
            PARTITION BY o.customer_id
            ORDER BY o.updated_at DESC
        ) AS latest_rank -- 同一时间戳的订单共享第 1 名
    FROM customer_order AS o
)
SELECT id, customer_id, updated_at
FROM ranked_orders
WHERE latest_rank = 1;

这里不要为了“看起来更公平”随意把 ROW_NUMBER() 换成 RANK()。函数选择取决于输出契约：接口需要一个当前状态，就应该有稳定的单行选择规则；审计或并列事件需要完整保留同一时间的记录，才适合保留并列名次。

我会顺手检查的四个边界

• 时间字段为空：明确 NULL 是“从未更新”还是异常数据，并用额外条件或排序表达业务含义。
• 并列决胜字段：排序字段最后追加唯一键，避免同一组的选择随执行计划或存储顺序变化。
• 候选集过滤：先过滤删除、取消或无效状态，再做组内排名，否则第一名可能被外层淘汰。
• 最终展示顺序：窗口内 ORDER BY 决定编号，查询末尾的 ORDER BY 决定返回行的显示顺序。

如果数据量较大，索引和执行计划仍需要结合实际表结构单独评估；不能仅凭“用了窗口函数”就断言一定更快。本文的核心是先把结果语义写准：分区是什么、最新按什么字段判断、并列时谁决胜，以及哪一层负责过滤。

最后记住这一条查询骨架

每组取最新记录时，可以把 SQL 拆成四个动作：候选集先过滤，PARTITION BY 划分分组，ORDER BY 倒序并用唯一键打破并列，外层再筛选 rn = 1。只要这四个动作的职责没有混在一起，换成订单、库存、用户状态或设备心跳，写法都能保持清楚。

如果需求从“每组一行”变成“并列最新全部保留”，再把 ROW_NUMBER() 换成 RANK()，并同步确认接口是否接受一组多行。这样改的是输出契约，不只是函数名字。