当前位置:首页 > 文章列表 > 数据库 > MySQL > MySQL named window 怎样为排名和累计值共享排序

MySQL named window 怎样为排名和累计值共享排序

来源:17golang原创 2026-10-26 20:31:03 0浏览 收藏

当一条查询既要给每个地区的销售额排名,又要计算同一排序下的累计销售额时,最容易出错的是重复书写 PARTITION BY 和 ORDER BY。MySQL 的 named window 可以把这份窗口规范集中命名,再让多个窗口函数共享。

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

最小写法是先在查询末尾定义 WINDOW w_sales AS (...),再用 OVER w_sales 引用它。排名函数复用相同排序;累计值如果需要行帧,则在引用命名窗口时额外补上帧定义。

先定义一份共享排序

假设 sales 表包含 region、salesperson 和 amount。目标是按地区分组,并在每个地区内按金额从高到低排列。命名窗口承载的是“分组加排序”这份共同契约:

SELECT
    region,
    salesperson,
    amount,
    -- 两个排名函数共享同一份地区分组和金额排序
    ROW_NUMBER() OVER w_sales AS row_no,
    RANK() OVER w_sales AS amount_rank
FROM sales
WINDOW w_sales AS (
    PARTITION BY region
    ORDER BY amount DESC
);
sales、region、amount DESC 组成 named window 并供 ROW_NUMBER 与 RANK 复用的静态结构说明图
图1:命名窗口把分组与排序集中到一个静态结构中,排名函数通过 OVER w_sales 复用它;这是说明图,不是运行截图。

ROW_NUMBER() 会为每行给出连续编号,RANK() 则会保留并列名次。两者的差异来自函数语义,不是来自排序规则,因此把窗口定义集中管理后,查询意图更容易对照。

同一窗口再计算累计值

累计值通常还需要明确“从分区第一行到当前行”的行帧。此时可直接引用命名窗口,再补充 ROWS 帧:

SELECT
    region,
    salesperson,
    amount,
    -- 排名继续使用共享窗口
    RANK() OVER w_sales AS amount_rank,
    -- 在共享窗口上增加从分区起点到当前行的累计帧
    SUM(amount) OVER (
        w_sales
        ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
    ) AS running_total
FROM sales
WINDOW w_sales AS (
    PARTITION BY region
    ORDER BY amount DESC
);
named window、ROWS 行帧、排名输出和累计值输出之间关系的静态结构说明图
图2:累计值在共享分组排序上增加行帧约束,排名输出与累计输出保持并列;这是静态结构说明图。

这里的关键是 OVER w_sales 与 OVER (w_sales ROWS ...) 的区别:前者完整复用命名窗口,后者允许在不改变基础分组排序的前提下增加属性。

什么时候要拆成多个命名窗口

命名窗口可以被引用,但引用处不能重复指定已经存在的同类属性。例如 w_sales 已经包含 PARTITION BY region,就不要在 OVER (w_sales PARTITION BY ...) 中再次写分区。重复补写 ORDER BY 也会产生同类冲突。

如果排名与累计值的排序确实不同,应分别命名,而不是强行共享:

SELECT
    region,
    amount,
    -- 排名按金额降序
    RANK() OVER w_rank AS amount_rank,
    -- 累计值按销售人员编号升序,使用另一份窗口契约
    SUM(amount) OVER w_total AS ordered_total
FROM sales
WINDOW
    w_rank AS (PARTITION BY region ORDER BY amount DESC),
    w_total AS (PARTITION BY region ORDER BY salesperson ASC);

拆分的判断标准很简单:如果两个结果必须接受同一组分区和排序,使用一个命名窗口;如果排序键或帧语义不同,就使用两个命名窗口,并在名称上反映用途。

用小样本检查共享是否一致

发布到业务查询前,可以用少量固定数据检查三件事:同一地区的行是否聚在一起;金额相同时 RANK() 是否保留并列;累计值是否随着排序键逐行增长。为了让并列数据的显示顺序稳定,可在排序中追加唯一键,但这会改变 ROW_NUMBER() 的细粒度顺序,应在需求允许时再添加。

需求写法注意点
多个函数完全共用窗口OVER w_sales分区、排序由命名窗口统一维护
共用窗口并增加行帧OVER (w_sales ROWS ...)不要重复写已有的分区或排序属性
排序语义不同定义多个 named window不要为了减少字符数牺牲结果语义

常见问题

named window 会自动让所有窗口函数使用同一个帧吗?不会。命名窗口只复用其中已经定义的窗口属性;累计值需要的行帧应在命名窗口中定义,或在引用处按 MySQL 允许的语法补充。

为什么不直接复制两次 OVER 子句?简单查询当然可以复制,但当分组键或排序键调整时,重复文本更容易出现一处修改、另一处遗漏。named window 的价值是把共享契约放在一个位置。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
MySQL CTE 怎样写递归组织结构查询MySQL CTE 怎样写递归组织结构查询
上一篇
MySQL CTE 怎样写递归组织结构查询
MySQL LOCK INSTANCE FOR BACKUP 怎样协调备份窗口
下一篇
MySQL LOCK INSTANCE FOR BACKUP 怎样协调备份窗口
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    718次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    724次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    801次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    761次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    595次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码