当前位置:首页 > 文章列表 > 数据库 > MySQL > MySQL ROW_NUMBER 与 RANK 在并列记录时怎么选

MySQL ROW_NUMBER 与 RANK 在并列记录时怎么选

来源:17golang原创 2026-11-14 03:04:06 0浏览 收藏

需要每组最多取 N 条记录,选 ROW_NUMBER,并用唯一键打破同分顺序;需要同分同名次、允许返回超过 N 条,选 RANK。两者不是可互换的写法:ROW_NUMBER 给每行不同编号,RANK 给并列行相同名次,且后续名次会跳号。

设计榜单查询时,先让调用方决定“前两条”还是“名次不大于二”。本文使用 MySQL 8.4 文档对应的窗口语法,官方手册入口:https://dev.mysql.com/doc/refman/8.4/en/window-function-descriptions.html。示例仅用于说明并列排序与结果行数,不涉及执行计划优化。

接口目标:数量上限与并列完整性选哪一个

页面只容纳两个推荐位时,调用方通常需要明确的行数上限。同分时也必须有选中规则,例如分数降序后按 id 升序。此时 ROW_NUMBER 的含义是给候选记录排位置。

成绩榜要求同分同名次时,RANK 表达的是竞争名次。第三名的位置可能因前面的并列而不存在;它不是“第几个不同分数”。在接口说明里直接写清这些约定,前端才能判断返回三条究竟是正常并列,还是分页失效。

需求函数与筛选返回数量
每组最多两条ROW_NUMBER 后筛选 rn 每组不超过两条;不足两条就返回实际数量
每组保留名次不大于二的全部记录RANK 后筛选 rk 可能超过两条
每组前两个不同分数档位DENSE_RANK 后筛选 dr 按分数档位保留,可能超过两条
固定行数和保留并列两种榜单结果契约
原创静态结构图:查询需求与排名函数的关系,不是数据库运行截图。

调用方需求:同一组数据为什么会有不同答案

假设同一个 team 内有四条记录,id 分别为 11、12、13、14,分数为 96、89、89、76。按分数降序计算 RANK,名次为 1、2、2、4;按分数降序、id 升序计算 ROW_NUMBER,编号为 1、2、3、4。

筛选 rn

排序参数:唯一键应该放在哪一层

ROW_NUMBER 要稳定挑出同分中的某条,应在窗口 ORDER BY 中加入唯一键,例如 ORDER BY score DESC, id ASC。这里只按 score 排序仍会产生不同编号,但同分中谁先被编号没有完整的排序约束,不能依赖插入顺序。

RANK 判断并列时看的是窗口 ORDER BY 的整组表达式。若本来按 score 相同定义并列,却把唯一 id 也加进 RANK 的窗口排序,同分记录会因 id 不同而不再并列。保留同分排名时,窗口只用分数;希望显示顺序稳定,可把 id 放进最外层 ORDER BY。

PARTITION BY 则决定排名范围。写 team 表示每队从头排名;省略它表示所有候选记录放进一个分区。分组口径与排序口径都是结果契约的一部分,不能只比较函数名。

分区键、业务排名键、唯一行键和最终展示排序的职责
原创静态结构图:窗口定义与展示排序的职责,不表示执行步骤。

错误处理与兼容:排名结果要放到外层筛选

不能在计算窗口函数的同一层 WHERE 中直接使用它的结果。先用 CTE 或派生表得到 rn、rk,再在外层筛选。普通 WHERE 则用于限定参与排名的候选范围,例如只统计某个赛季。先筛候选再排名,与排名后才筛记录,含义可能不同。

如果旧接口承诺最多两条,把 ROW_NUMBER 改成 RANK 就可能使返回数量突破这个上限;反过来会截断原本完整的并列。这里的兼容重点是行数、并列口径和排序字段,而不是单纯保证 SQL 能执行。

完整示例:同时比较编号与名次

下面使用自包含 CTE 定义四条非空分数记录,不需要创建业务表。两种窗口刻意使用不同 ORDER BY,分别对应稳定编号与分数并列。表格结果是依据语义推导的示例,不是现场运行记录。

-- scores 是演示输入,id 在本组内唯一,分数有意设置并列。
WITH scores AS (
    SELECT 11 AS id, 'red' AS team, 96 AS score
    UNION ALL SELECT 12, 'red', 89
    UNION ALL SELECT 13, 'red', 89
    UNION ALL SELECT 14, 'red', 76
),
ranked AS (
    SELECT id, team, score,
           -- 固定取行:用 id 为相同分数提供明确的先后规则。
           ROW_NUMBER() OVER (
               PARTITION BY team ORDER BY score DESC, id ASC
           ) AS rn,
           -- 并列名次只比较 score,不把唯一 id 放入这个窗口。
           RANK() OVER (
               PARTITION BY team ORDER BY score DESC
           ) AS rk
    FROM scores
)
SELECT id, team, score, rn, rk
FROM ranked
-- 外层排序仅决定展示顺序,不会改变窗口内的名次。
ORDER BY team, score DESC, id ASC;
idscorernrk
119611
128922
138932
147644

要查看固定两条,在最后 SELECT 的 FROM ranked 后、ORDER BY 前加入 WHERE rn ;要保留前二名次的全部并列,改成 WHERE rk 。不要再给后者加 LIMIT 2,否则又会截断并列,而且 LIMIT 限制的是整个查询结果,并非每个 team。

为什么 RANK 的下一名不是三?

示例有两个第二名,后续记录前面已有三条记录,所以名次是四。若业务需要无跳号的分数档位,应选 DENSE_RANK。

窗口 ORDER BY 能保证返回顺序吗?

它负责窗口中的排名计算。需要对外返回固定展示顺序时,仍显式写最外层 ORDER BY。

固定两条会不会遗漏同分记录?

会,这正是固定行数与保留并列之间的取舍。应把同分裁决规则写进接口,而不是让调用方猜测。

参考:MySQL 排名窗口函数;MySQL 窗口函数语法与使用位置。

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
Go iter.Seq2 怎样把键值遍历转换成可组合迭代器Go iter.Seq2 怎样把键值遍历转换成可组合迭代器
上一篇
Go iter.Seq2 怎样把键值遍历转换成可组合迭代器
MySQL recursive CTE 怎样用 cte_max_recursion_depth 控制深度
下一篇
MySQL recursive CTE 怎样用 cte_max_recursion_depth 控制深度
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。
    1018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。
    1020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。
    1151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。
    1121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。
    962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