备案控制台
开发者社区 数据库 文章 正文

Mysql数据库基础第八章：窗口函数和公用表表达式（CTE）

2023-03-04 165
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
RDS MySQL Serverless 基础系列，0.5-2RCU 50GB
推荐场景：
学生管理系统数据库设计 搭建个人博客
RDS MySQL Serverless 高可用系列，价值2615元额度，1个月
简介： # 1.窗口函数MySQL从8.0版本开始支持窗口函数。窗口函数的作用类似于在查询中对数据进行分组，不同的是，分组操作会把分组的结果聚合成一条记录，而窗口函数是将结果置于每一条数据记录中。

Mysql数据库基础系列

软件下载地址
提取码：7v7u
数据下载地址
提取码：e6p9
mysql数据库基础第一章：（一）数据库基本概念
mysql数据库基础第一章：（二）mysql环境搭建
mysql数据库基础第二章：（一）基础查询
mysql数据库基础第二章：（二）条件查询
mysql数据库基础第二章：（三）排序查询
mysql数据库基础第二章：（四）常见函数
mysql数据库基础第二章：（五）分组查询
mysql数据库基础第二章：（六）连接查询
mysql数据库基础第二章：（七）子查询
mysql数据库基础第二章：（八）子查询经典案例
mysql数据库基础第二章：（九）分页查询
mysql数据库基础第二章：（十）连接查询
mysql数据库基础第三章：DML语言
mysql数据库基础第四章：DDL（数据定义语言）：库表的管理、数据类型与约束条件
mysql数据库基础第五章：（一）事务
mysql数据库基础第五章：（二）视图
mysql数据库基础第六章：变量、存储过程与函数
mysql数据库基础第七章：流程控制结构
mysql数据库基础第八章：窗口函数和公用表达式（CTE）

@TOC

案例数据 提取码：2rd5
@TOC

1.窗口函数

MySQL从8.0版本开始支持窗口函数。窗口函数的作用类似于在查询中对数据进行分组，不同的是，分组操作会把分组的结果聚合成一条记录，而窗口函数是将结果置于每一条数据记录中。

首先从一个简单的案例来理解窗口函数。为了更好的理解窗口函数的变化，本章代码在命令行窗口执行。

首先创建一个数据表，代表某网购平台在每个城市每个地区的销售情况

mysql> CREATE TABLE sales(
    -> id INT PRIMARY KEY AUTO_INCREMENT,
    -> city VARCHAR(15),
    -> county VARCHAR(15),
    -> sales_value DECIMAL
    -> );
INSERT INTO sales(city,county,sales_value)
VALUES
('北京','海淀',10.00),
('北京','朝阳',20.00),
('上海','黄埔',30.00),
('上海','长宁',10.00);


mysql> SELECT * FROM sales;

+----+------+--------+-------------+
| id | city | county | sales_value |
+----+------+--------+-------------+
|  1 | 北京 | 海淀   |          10 |
|  2 | 北京 | 朝阳   |          20 |
|  3 | 上海 | 黄埔   |          30 |
|  4 | 上海 | 长宁   |          10 |
+----+------+--------+-------------+
4 rows in set (0.01 sec)

下面，我们要查询这个网站在每个城市的销售总额、在全国的销售总额、每个区的销售额占所在城市销售额中的比率，以及占总销售额中的比率。
先用之前的分组和聚合函数
第一步，计算总销售额

CREATE TEMPORARY TABLE a #创建临时表
SELECT SUM(sales_value) AS sales_value #计算总计金额
FROM sales;
mysql> SELECT * FROM a;
+-------------+
| sales_value |
+-------------+
|          70 |
+-------------+
1 row in set (0.00 sec)

第二步，计算每个城市的销售额

create temporary table b #创建临时表
select city, sum(sales_value) as sales_value #计算城市总销售额 
from sales
group by city;

mysql> select * from b;
+------+-------------+
| city | sales_value |
+------+-------------+
| 北京 |          30 |
| 上海 |          40 |
+------+-------------+
2 rows in set (0.00 sec)

第三步，计算比例

SELECT s.city AS 城市,s.county AS 区,s.sales_value AS 区销售额,
b.sales_value AS 市销售额,s.sales_value/b.sales_value AS 市比率,
a.sales_value AS 总销售额,s.sales_value/a.sales_value AS 总比率
FROM sales s
JOIN b ON (s.city=b.city) -- 连接市统计结果临时表
JOIN a -- 连接总计金额临时表
ORDER BY s.city,s.county;

+------+------+----------+----------+--------+----------+--------+
| 城市 | 区   | 区销售额 | 市销售额 | 市比率 | 总销售额 | 总比率 |
+------+------+----------+----------+--------+----------+--------+
| 上海 | 长宁 |       10 |       40 | 0.2500 |       70 | 0.1429 |
| 上海 | 黄埔 |       30 |       40 | 0.7500 |       70 | 0.4286 |
| 北京 | 朝阳 |       20 |       30 | 0.6667 |       70 | 0.2857 |
| 北京 | 海淀 |       10 |       30 | 0.3333 |       70 | 0.1429 |
+------+------+----------+----------+--------+----------+--------+
4 rows in set (0.00 sec)

上述是不使用窗口函数的情况下所需要的代码，下面使用窗口函数。

SELECT city AS 城市,county AS 区,sales_value AS 区销售额,
SUM(sales_value) OVER(PARTITION BY city) AS 市销售额, -- 计算市销售额
sales_value/SUM(sales_value) OVER(PARTITION BY city) AS 市比率,
SUM(sales_value) OVER() AS 总销售额, -- 计算总销售额
sales_value/SUM(sales_value) OVER() AS 总比率
FROM sales
ORDER BY city,county;

使用窗口函数，只用了一步就完成了查询。而且，由于没有用到临时表，执行的效率也更高了。很显然，在这种需要用到分组统计的结果对每一条记录进行计算的场景下，使用窗口函数更好。

1.1窗口函数分类

窗口函数可以分为 静态窗口函数 和 动态窗口函数 。静态窗口函数的窗口大小是固定的，不会因为记录的不同而不同；动态窗口函数的窗口大小会随着记录的不同而变化。MySQL官方网站窗口函数的网址为https://dev.mysql.com/doc/refman/8.0/en/window-function-descriptions.html#function_row-number
具体分类如下：在这里插入图片描述

1.2 窗口函数的语法结构

# 方式1
函数 over([parition by 字段 order by 字段 asc|desc])
# 方式2
函数 OVER 窗口名 … WINDOW 窗口名 AS （[PARTITION BY 字段名 ORDER BY 字段名 ASC|DESC]）
  • OVER 关键字指定函数窗口的范围。

如果省略后面括号中的内容，则窗口会包含满足WHERE条件的所有记录，窗口函数会基于所有满足WHERE条件的记录进行计算。如果OVER关键字后面的括号不为空，则可以使用如下语法设置窗口。

  • 窗口名：为窗口设置一个别名，用来标识窗口。
  • PARTITION BY子句：指定窗口函数按照哪些字段进行分组。分组后，窗口函数可以在每个分组中分别执行。
  • ORDER BY子句：指定窗口函数按照哪些字段进行排序。执行排序操作使窗口函数按照排序后的数据记录的顺序进行编号。
  • FRAME子句：为分区中的某个子集定义规则，可以用来作为滑动窗口使用。

首先，创建新的数据集来进行讲解

CREATE TABLE goods(
id INT PRIMARY KEY AUTO_INCREMENT,
category_id INT,
category VARCHAR(15),
NAME VARCHAR(30),
price DECIMAL(10,2),
stock INT,
upper_time DATETIME
);

INSERT INTO goods(category_id,category,NAME,price,stock,upper_time)
VALUES
(1, '女装/女士精品', 'T恤', 39.90, 1000, '2020-11-10 00:00:00'),
(1, '女装/女士精品', '连衣裙', 79.90, 2500, '2020-11-10 00:00:00'),
(1, '女装/女士精品', '卫衣', 89.90, 1500, '2020-11-10 00:00:00'),
(1, '女装/女士精品', '牛仔裤', 89.90, 3500, '2020-11-10 00:00:00'),
(1, '女装/女士精品', '百褶裙', 29.90, 500, '2020-11-10 00:00:00'),
(1, '女装/女士精品', '呢绒外套', 399.90, 1200, '2020-11-10 00:00:00'),
(2, '户外运动', '自行车', 399.90, 1000, '2020-11-10 00:00:00'),
(2, '户外运动', '山地自行车', 1399.90, 2500, '2020-11-10 00:00:00'),
(2, '户外运动', '登山杖', 59.90, 1500, '2020-11-10 00:00:00'),
(2, '户外运动', '骑行装备', 399.90, 3500, '2020-11-10 00:00:00'),
(2, '户外运动', '运动外套', 799.90, 500, '2020-11-10 00:00:00'),
(2, '户外运动', '滑板', 499.90, 1200, '2020-11-10 00:00:00');
 select * from goods;
+----+-------------+---------------+------------+---------+-------+---------------------+
| id | category_id | category      | NAME       | price   | stock | upper_time          |
+----+-------------+---------------+------------+---------+-------+---------------------+
|  1 |           1 | 女装/女士精品 | T恤        |   39.90 |  1000 | 2020-11-10 00:00:00 |
|  2 |           1 | 女装/女士精品 | 连衣裙     |   79.90 |  2500 | 2020-11-10 00:00:00 |
|  3 |           1 | 女装/女士精品 | 卫衣       |   89.90 |  1500 | 2020-11-10 00:00:00 |
|  4 |           1 | 女装/女士精品 | 牛仔裤     |   89.90 |  3500 | 2020-11-10 00:00:00 |
|  5 |           1 | 女装/女士精品 | 百褶裙     |   29.90 |   500 | 2020-11-10 00:00:00 |
|  6 |           1 | 女装/女士精品 | 呢绒外套   |  399.90 |  1200 | 2020-11-10 00:00:00 |
|  7 |           2 | 户外运动      | 自行车     |  399.90 |  1000 | 2020-11-10 00:00:00 |
|  8 |           2 | 户外运动      | 山地自行车 | 1399.90 |  2500 | 2020-11-10 00:00:00 |
|  9 |           2 | 户外运动      | 登山杖     |   59.90 |  1500 | 2020-11-10 00:00:00 |
| 10 |           2 | 户外运动      | 骑行装备   |  399.90 |  3500 | 2020-11-10 00:00:00 |
| 11 |           2 | 户外运动      | 运动外套   |  799.90 |   500 | 2020-11-10 00:00:00 |
| 12 |           2 | 户外运动      | 滑板       |  499.90 |  1200 | 2020-11-10 00:00:00 |
+----+-------------+---------------+------------+---------+-------+---------------------+
12 rows in set (0.00 sec)

1.3 序号函数

1.3.1 row_number()函数

ROW_NUMBER()函数能够对数据中的序号进行顺序显示。但是相同的数据的排序不一致
举例：查询 goods 数据表中每个商品分类下价格降序排列的各个商品信息。

 SELECT ROW_NUMBER() OVER(PARTITION BY category_id ORDER BY price DESC) AS row_num,
    -> id, category_id, category, NAME, price, stock
    -> FROM goods;
mysql> SELECT ROW_NUMBER() OVER(PARTITION BY category_id ORDER BY price DESC) AS
    -> row_num,
    -> id, category_id, category, NAME, price, stock
    -> FROM goods;
+---------+----+-------------+---------------+------------+---------+-------+
| row_num | id | category_id | category      | NAME       | price   | stock |
+---------+----+-------------+---------------+------------+---------+-------+
|       1 |  6 |           1 | 女装/女士精品 | 呢绒外套   |  399.90 |  1200 |
|       2 |  3 |           1 | 女装/女士精品 | 卫衣       |   89.90 |  1500 |
|       3 |  4 |           1 | 女装/女士精品 | 牛仔裤     |   89.90 |  3500 |
|       4 |  2 |           1 | 女装/女士精品 | 连衣裙     |   79.90 |  2500 |
|       5 |  1 |           1 | 女装/女士精品 | T恤        |   39.90 |  1000 |
|       6 |  5 |           1 | 女装/女士精品 | 百褶裙     |   29.90 |   500 |
|       1 |  8 |           2 | 户外运动      | 山地自行车 | 1399.90 |  2500 |
|       2 | 11 |           2 | 户外运动      | 运动外套   |  799.90 |   500 |
|       3 | 12 |           2 | 户外运动      | 滑板       |  499.90 |  1200 |
|       4 |  7 |           2 | 户外运动      | 自行车     |  399.90 |  1000 |
|       5 | 10 |           2 | 户外运动      | 骑行装备   |  399.90 |  3500 |
|       6 |  9 |           2 | 户外运动      | 登山杖     |   59.90 |  1500 |
+---------+----+-------------+---------------+------------+---------+-------+
12 rows in set (0.00 sec)

可以看出对每个类型安装价格进行了排序，但是存在相同的价格但是他们的排序不一样，下面通过rank()函数和dense_rank()函数来解决这个问题

1.3.2 rank()函数

使用RANK()函数能够对序号进行并列排序，并且会跳过重复的序号。例如我们常见的排名系统：1、1、3
举例：使用RANK()函数获取 goods 数据表中各类别的价格从高到低排序的各商品信息。

mysql> SELECT RANK() OVER(PARTITION BY category_id ORDER BY price DESC) AS row_num,
    -> id, category_id, category, NAME, price, stock
    ->  FROM goods;
+---------+----+-------------+---------------+------------+---------+-------+
| row_num | id | category_id | category      | NAME       | price   | stock |
+---------+----+-------------+---------------+------------+---------+-------+
|       1 |  6 |           1 | 女装/女士精品 | 呢绒外套   |  399.90 |  1200 |
|       2 |  3 |           1 | 女装/女士精品 | 卫衣       |   89.90 |  1500 |
|       2 |  4 |           1 | 女装/女士精品 | 牛仔裤     |   89.90 |  3500 |
|       4 |  2 |           1 | 女装/女士精品 | 连衣裙     |   79.90 |  2500 |
|       5 |  1 |           1 | 女装/女士精品 | T恤        |   39.90 |  1000 |
|       6 |  5 |           1 | 女装/女士精品 | 百褶裙     |   29.90 |   500 |
|       1 |  8 |           2 | 户外运动      | 山地自行车 | 1399.90 |  2500 |
|       2 | 11 |           2 | 户外运动      | 运动外套   |  799.90 |   500 |
|       3 | 12 |           2 | 户外运动      | 滑板       |  499.90 |  1200 |
|       4 |  7 |           2 | 户外运动      | 自行车     |  399.90 |  1000 |
|       4 | 10 |           2 | 户外运动      | 骑行装备   |  399.90 |  3500 |
|       6 |  9 |           2 | 户外运动      | 登山杖     |   59.90 |  1500 |
+---------+----+-------------+---------------+------------+---------+-------+
12 rows in set (0.00 sec)

举例：使用RANK()函数获取 goods 数据表中类别为“女装/女士精品”的价格最高的4款商品信息。
还记得在使用聚合函数时，我们可以用having对聚合函数的结果进行条件筛选
在使用窗口函数时,having语法不适用，我们可以使用一个子查询来对窗口函数的结果进行筛选。

mysql> SELECT * FROM(
    -> SELECT RANK() OVER(PARTITION BY category_id ORDER BY price DESC) AS row_num,
    -> id, category_id, category, NAME, price, stock
    ->  FROM goods) t
    ->  WHERE category_id = 1
    ->  AND row_num <= 4;
+---------+----+-------------+---------------+----------+--------+-------+
| row_num | id | category_id | category      | NAME     | price  | stock |
+---------+----+-------------+---------------+----------+--------+-------+
|       1 |  6 |           1 | 女装/女士精品 | 呢绒外套 | 399.90 |  1200 |
|       2 |  3 |           1 | 女装/女士精品 | 卫衣     |  89.90 |  1500 |
|       2 |  4 |           1 | 女装/女士精品 | 牛仔裤   |  89.90 |  3500 |
|       4 |  2 |           1 | 女装/女士精品 | 连衣裙   |  79.90 |  2500 |
+---------+----+-------------+---------------+----------+--------+-------+
4 rows in set (0.00 sec)

可以看到排序的结果为1、2、2、4，下面我们用dense_rank()函数来看一下有什么区别。

1.3.3 dense_rank()函数

DENSE_RANK()函数对序号进行并列排序，并且不会跳过重复的序号，比如序号为1、1、2。
同样我们查询 goods 数据表中类别为“女装/女士精品”的价格最高的4款商品信息。

mysql>  SELECT * FROM(
    -> SELECT dense_RANK() OVER(PARTITION BY category_id ORDER BY price DESC) AS row_num,
    -> id, category_id, category, NAME, price, stock
    ->  FROM goods) t
    ->  WHERE category_id = 1
    ->  AND row_num <= 3;
+---------+----+-------------+---------------+----------+--------+-------+
| row_num | id | category_id | category      | NAME     | price  | stock |
+---------+----+-------------+---------------+----------+--------+-------+
|       1 |  6 |           1 | 女装/女士精品 | 呢绒外套 | 399.90 |  1200 |
|       2 |  3 |           1 | 女装/女士精品 | 卫衣     |  89.90 |  1500 |
|       2 |  4 |           1 | 女装/女士精品 | 牛仔裤   |  89.90 |  3500 |
|       3 |  2 |           1 | 女装/女士精品 | 连衣裙   |  79.90 |  2500 |
+---------+----+-------------+---------------+----------+--------+-------+
4 rows in set (0.00 sec)

看到排序结果为1、2、2、3

1.4 分布函数

1.4.1.percent_rank()函数

等级制百分比函数：(rank-1)/(rows-1)

  • rank是rank函数返回值，
  • rows是当前窗口总记录数

案例：计算 goods 数据表中名称为“女装/女士精品”的类别下的商品的PERCENT_RANK值

mysql> SELECT rank() over(PARTITION BY category_id ORDER BY price DESC) ar,
    -> percent_rank() over (PARTITION BY category_id ORDER BY price DESC) pr,
    -> id, category_id, category, NAME,price,stock
    -> FROM goods
    -> WHERE category_id = 1;
+----+-----+----+-------------+---------------+----------+--------+-------+
| ar | pr  | id | category_id | category      | NAME     | price  | stock |
+----+-----+----+-------------+---------------+----------+--------+-------+
|  1 |   0 |  6 |           1 | 女装/女士精品 | 呢绒外套 | 399.90 |  1200 |
|  2 | 0.2 |  3 |           1 | 女装/女士精品 | 卫衣     |  89.90 |  1500 |
|  2 | 0.2 |  4 |           1 | 女装/女士精品 | 牛仔裤   |  89.90 |  3500 |
|  4 | 0.6 |  2 |           1 | 女装/女士精品 | 连衣裙   |  79.90 |  2500 |
|  5 | 0.8 |  1 |           1 | 女装/女士精品 | T恤      |  39.90 |  1000 |
|  6 |   1 |  5 |           1 | 女装/女士精品 | 百褶裙   |  29.90 |   500 |
+----+-----+----+-------------+---------------+----------+--------+-------+
6 rows in set (0.00 sec)

1.4.2.cume_dist()函数

CUME_DIST()函数主要用于查询小于或等于某个值的比例

mysql> SELECT CUME_DIST() OVER(PARTITION BY category_id ORDER BY price ASC) AS cd,
    -> id, category, NAME, price
    -> FROM goods;
+---------------------+----+---------------+------------+---------+
| cd                  | id | category      | NAME       | price   |
+---------------------+----+---------------+------------+---------+
| 0.16666666666666666 |  5 | 女装/女士精品 | 百褶裙     |   29.90 |
|  0.3333333333333333 |  1 | 女装/女士精品 | T恤        |   39.90 |
|                 0.5 |  2 | 女装/女士精品 | 连衣裙     |   79.90 |
|  0.8333333333333334 |  3 | 女装/女士精品 | 卫衣       |   89.90 |
|  0.8333333333333334 |  4 | 女装/女士精品 | 牛仔裤     |   89.90 |
|                   1 |  6 | 女装/女士精品 | 呢绒外套   |  399.90 |
| 0.16666666666666666 |  9 | 户外运动      | 登山杖     |   59.90 |
|                 0.5 |  7 | 户外运动      | 自行车     |  399.90 |
|                 0.5 | 10 | 户外运动      | 骑行装备   |  399.90 |
|  0.6666666666666666 | 12 | 户外运动      | 滑板       |  499.90 |
|  0.8333333333333334 | 11 | 户外运动      | 运动外套   |  799.90 |
|                   1 |  8 | 户外运动      | 山地自行车 | 1399.90 |
+---------------------+----+---------------+------------+---------+
12 rows in set (0.00 sec)

1.5前后函数

1.5.1 lag(expr,n)函数

LAG(expr,n)函数返回当前行的前n行的expr的值。

举例：查询goods数据表中前一个商品价格与当前商品价格的差值

mysql> SELECT id, category, NAME, price, pre_price, price - pre_price AS diff_price
    -> FROM (
    -> SELECT id, category, NAME, price,LAG(price,1) OVER w AS pre_price
    -> FROM goods
    -> WINDOW w AS (PARTITION BY category_id ORDER BY price)) t;
+----+---------------+------------+---------+-----------+------------+
| id | category      | NAME       | price   | pre_price | diff_price |
+----+---------------+------------+---------+-----------+------------+
|  5 | 女装/女士精品 | 百褶裙     |   29.90 |      NULL |       NULL |
|  1 | 女装/女士精品 | T恤        |   39.90 |     29.90 |      10.00 |
|  2 | 女装/女士精品 | 连衣裙     |   79.90 |     39.90 |      40.00 |
|  3 | 女装/女士精品 | 卫衣       |   89.90 |     79.90 |      10.00 |
|  4 | 女装/女士精品 | 牛仔裤     |   89.90 |     89.90 |       0.00 |
|  6 | 女装/女士精品 | 呢绒外套   |  399.90 |     89.90 |     310.00 |
|  9 | 户外运动      | 登山杖     |   59.90 |      NULL |       NULL |
|  7 | 户外运动      | 自行车     |  399.90 |     59.90 |     340.00 |
| 10 | 户外运动      | 骑行装备   |  399.90 |    399.90 |       0.00 |
| 12 | 户外运动      | 滑板       |  499.90 |    399.90 |     100.00 |
| 11 | 户外运动      | 运动外套   |  799.90 |    499.90 |     300.00 |
|  8 | 户外运动      | 山地自行车 | 1399.90 |    799.90 |     600.00 |
+----+---------------+------------+---------+-----------+------------+
12 rows in set (0.00 sec)

1.5.2．LEAD(expr,n)函数

LEAD(expr,n)函数返回当前行的后n行的expr的值。
举例：查询goods数据表中后一个商品价格与当前商品价格的差值

mysql> SELECT id, category, NAME, behind_price, price,behind_price - price AS diff_price
    -> FROM(
    -> SELECT id, category, NAME, price,LEAD(price, 1) OVER w AS behind_price
    -> FROM goods WINDOW w AS (PARTITION BY category_id ORDER BY price)) t;
+----+---------------+------------+--------------+---------+------------+
| id | category      | NAME       | behind_price | price   | diff_price |
+----+---------------+------------+--------------+---------+------------+
|  5 | 女装/女士精品 | 百褶裙     |        39.90 |   29.90 |      10.00 |
|  1 | 女装/女士精品 | T恤        |        79.90 |   39.90 |      40.00 |
|  2 | 女装/女士精品 | 连衣裙     |        89.90 |   79.90 |      10.00 |
|  3 | 女装/女士精品 | 卫衣       |        89.90 |   89.90 |       0.00 |
|  4 | 女装/女士精品 | 牛仔裤     |       399.90 |   89.90 |     310.00 |
|  6 | 女装/女士精品 | 呢绒外套   |         NULL |  399.90 |       NULL |
|  9 | 户外运动      | 登山杖     |       399.90 |   59.90 |     340.00 |
|  7 | 户外运动      | 自行车     |       399.90 |  399.90 |       0.00 |
| 10 | 户外运动      | 骑行装备   |       499.90 |  399.90 |     100.00 |
| 12 | 户外运动      | 滑板       |       799.90 |  499.90 |     300.00 |
| 11 | 户外运动      | 运动外套   |      1399.90 |  799.90 |     600.00 |
|  8 | 户外运动      | 山地自行车 |         NULL | 1399.90 |       NULL |
+----+---------------+------------+--------------+---------+------------+
12 rows in set (0.00 sec)

1.6 其他函数

1.6.1 FIRST_VALUE(expr)函数

FIRST_VALUE(expr)函数返回第一个expr的值。
举例：按照价格排序，查询第1个商品的价格信息。

mysql> SELECT id, category, NAME, price, stock,FIRST_VALUE(price) OVER w AS
    -> first_price
    -> FROM goods WINDOW w AS (PARTITION BY category_id ORDER BY price);
+----+---------------+------------+---------+-------+-------------+
| id | category      | NAME       | price   | stock | first_price |
+----+---------------+------------+---------+-------+-------------+
|  5 | 女装/女士精品 | 百褶裙     |   29.90 |   500 |       29.90 |
|  1 | 女装/女士精品 | T恤        |   39.90 |  1000 |       29.90 |
|  2 | 女装/女士精品 | 连衣裙     |   79.90 |  2500 |       29.90 |
|  3 | 女装/女士精品 | 卫衣       |   89.90 |  1500 |       29.90 |
|  4 | 女装/女士精品 | 牛仔裤     |   89.90 |  3500 |       29.90 |
|  6 | 女装/女士精品 | 呢绒外套   |  399.90 |  1200 |       29.90 |
|  9 | 户外运动      | 登山杖     |   59.90 |  1500 |       59.90 |
|  7 | 户外运动      | 自行车     |  399.90 |  1000 |       59.90 |
| 10 | 户外运动      | 骑行装备   |  399.90 |  3500 |       59.90 |
| 12 | 户外运动      | 滑板       |  499.90 |  1200 |       59.90 |
| 11 | 户外运动      | 运动外套   |  799.90 |   500 |       59.90 |
|  8 | 户外运动      | 山地自行车 | 1399.90 |  2500 |       59.90 |
+----+---------------+------------+---------+-------+-------------+
12 rows in set (0.00 sec)

1.6.2 LAST_VALUE(expr)函数

LAST_VALUE(expr)函数返回最后一个expr的值。
举例：按照价格排序，查询最后一个商品的价格信息

mysql> SELECT id, category, NAME, price, stock,LAST_VALUE(price) OVER w AS last_price
    -> FROM goods WINDOW w AS (PARTITION BY category_id ORDER BY price) ;
+----+---------------+------------+---------+-------+------------+
| id | category      | NAME       | price   | stock | last_price |
+----+---------------+------------+---------+-------+------------+
|  5 | 女装/女士精品 | 百褶裙     |   29.90 |   500 |      29.90 |
|  1 | 女装/女士精品 | T恤        |   39.90 |  1000 |      39.90 |
|  2 | 女装/女士精品 | 连衣裙     |   79.90 |  2500 |      79.90 |
|  3 | 女装/女士精品 | 卫衣       |   89.90 |  1500 |      89.90 |
|  4 | 女装/女士精品 | 牛仔裤     |   89.90 |  3500 |      89.90 |
|  6 | 女装/女士精品 | 呢绒外套   |  399.90 |  1200 |     399.90 |
|  9 | 户外运动      | 登山杖     |   59.90 |  1500 |      59.90 |
|  7 | 户外运动      | 自行车     |  399.90 |  1000 |     399.90 |
| 10 | 户外运动      | 骑行装备   |  399.90 |  3500 |     399.90 |
| 12 | 户外运动      | 滑板       |  499.90 |  1200 |     499.90 |
| 11 | 户外运动      | 运动外套   |  799.90 |   500 |     799.90 |
|  8 | 户外运动      | 山地自行车 | 1399.90 |  2500 |    1399.90 |
+----+---------------+------------+---------+-------+------------+
12 rows in set (0.00 sec)

1.6.3 返回第n个值nth_value()

mysql> SELECT id, category, NAME, price,NTH_VALUE(price,2) OVER w AS second_price,
    -> NTH_VALUE(price,3) OVER w AS third_price
    -> FROM goods WINDOW w AS (PARTITION BY category_id ORDER BY price);
+----+---------------+------------+---------+--------------+-------------+
| id | category      | NAME       | price   | second_price | third_price |
+----+---------------+------------+---------+--------------+-------------+
|  5 | 女装/女士精品 | 百褶裙     |   29.90 |         NULL |        NULL |
|  1 | 女装/女士精品 | T恤        |   39.90 |        39.90 |        NULL |
|  2 | 女装/女士精品 | 连衣裙     |   79.90 |        39.90 |       79.90 |
|  3 | 女装/女士精品 | 卫衣       |   89.90 |        39.90 |       79.90 |
|  4 | 女装/女士精品 | 牛仔裤     |   89.90 |        39.90 |       79.90 |
|  6 | 女装/女士精品 | 呢绒外套   |  399.90 |        39.90 |       79.90 |
|  9 | 户外运动      | 登山杖     |   59.90 |         NULL |        NULL |
|  7 | 户外运动      | 自行车     |  399.90 |       399.90 |      399.90 |
| 10 | 户外运动      | 骑行装备   |  399.90 |       399.90 |      399.90 |
| 12 | 户外运动      | 滑板       |  499.90 |       399.90 |      399.90 |
| 11 | 户外运动      | 运动外套   |  799.90 |       399.90 |      399.90 |
|  8 | 户外运动      | 山地自行车 | 1399.90 |       399.90 |      399.90 |
+----+---------------+------------+---------+--------------+-------------+
12 rows in set (0.00 sec)

1.6.4 分桶函数

NTILE(n)函数将分区中的有序数据分为n个桶，记录桶编号。
举例：将goods表中的商品按照价格分为3组.

mysql> SELECT ntile(3) over w nt,id,category,NAME,price
    -> FROM goods window w AS (PARTITION BY category ORDER BY price);
+----+----+---------------+------------+---------+
| nt | id | category      | NAME       | price   |
+----+----+---------------+------------+---------+
|  1 |  5 | 女装/女士精品 | 百褶裙     |   29.90 |
|  1 |  1 | 女装/女士精品 | T恤        |   39.90 |
|  2 |  2 | 女装/女士精品 | 连衣裙     |   79.90 |
|  2 |  3 | 女装/女士精品 | 卫衣       |   89.90 |
|  3 |  4 | 女装/女士精品 | 牛仔裤     |   89.90 |
|  3 |  6 | 女装/女士精品 | 呢绒外套   |  399.90 |
|  1 |  9 | 户外运动      | 登山杖     |   59.90 |
|  1 |  7 | 户外运动      | 自行车     |  399.90 |
|  2 | 10 | 户外运动      | 骑行装备   |  399.90 |
|  2 | 12 | 户外运动      | 滑板       |  499.90 |
|  3 | 11 | 户外运动      | 运动外套   |  799.90 |
|  3 |  8 | 户外运动      | 山地自行车 | 1399.90 |
+----+----+---------------+------------+---------+
12 rows in set (0.00 sec)

1.7 总结

窗口函数的特点是可以分组，而且可以在分组内排序。另外，窗口函数不会因为分组而减少原表中的行数，这对我们在原表数据的基础上进行统计和排序非常有用。
与聚合函数的区别主要如下：

            实现方式                    返回结果不同                     分组方式
聚合函数    通过分组查询进行             将多条记录聚合返回成一条或几条    group by
窗口函数     通过over子句定义的窗口进行    有多少条数据还是返回多少条数据    partition by

2.公用表达式（with as）

公用表表达式（或通用表表达式）简称为CTE（Common Table Expressions）。CTE是一个命名的临时结果集，作用范围是当前语句。CTE可以理解成一个可以复用的子查询，当然跟子查询还是有点区别的，CTE可以引用其他CTE，但子查询不能引用其他子查询。所以，可以考虑代替子查询。依据语法结构和执行方式的不同，公用表表达式分为 普通公用表表达式 和 递归公用表表达式 2 种。

2.1 普通公用表表达式

基本语法结构：

with cte 名称
as (子查询)
select|delete|update语句;

案例：查询员工所在的部门的详细信息。
使用子查询方式如下：

mysql> SELECT * FROM departments
    -> WHERE department_id IN (
    -> SELECT DISTINCT department_id FROM employees
    -> );
+---------------+------------------+------------+-------------+
| department_id | department_name  | manager_id | location_id |
+---------------+------------------+------------+-------------+
|            10 | Administration   |        200 |        1700 |
|            20 | Marketing        |        201 |        1800 |
|            30 | Purchasing       |        114 |        1700 |
|            40 | Human Resources  |        203 |        2400 |
|            50 | Shipping         |        121 |        1500 |
|            60 | IT               |        103 |        1400 |
|            70 | Public Relations |        204 |        2700 |
|            80 | Sales            |        145 |        2500 |
|            90 | Executive        |        100 |        1700 |
|           100 | Finance          |        108 |        1700 |
|           110 | Accounting       |        205 |        1700 |
+---------------+------------------+------------+-------------+
11 rows in set (0.02 sec)

使用CTE如下：

mysql> WITH cte_emp
    -> AS (SELECT DISTINCT department_id
    -> FROM employees
    -> )
    -> SELECT * FROM departments
    -> JOIN cte_emp
    -> ON departments.`department_id` = cte_emp.department_id;
+---------------+------------------+------------+-------------+---------------+
| department_id | department_name  | manager_id | location_id | department_id |
+---------------+------------------+------------+-------------+---------------+
|            10 | Administration   |        200 |        1700 |            10 |
|            20 | Marketing        |        201 |        1800 |            20 |
|            30 | Purchasing       |        114 |        1700 |            30 |
|            40 | Human Resources  |        203 |        2400 |            40 |
|            50 | Shipping         |        121 |        1500 |            50 |
|            60 | IT               |        103 |        1400 |            60 |
|            70 | Public Relations |        204 |        2700 |            70 |
|            80 | Sales            |        145 |        2500 |            80 |
|            90 | Executive        |        100 |        1700 |            90 |
|           100 | Finance          |        108 |        1700 |           100 |
|           110 | Accounting       |        205 |        1700 |           110 |
+---------------+------------------+------------+-------------+---------------+
11 rows in set (0.00 sec)

可以看出cte相当于是生成了一个临时表。跟子查询相比，公用表表达式有一个优点，就是定义过公用表表达式之后的查询，可以像一个表一样多次引用公用表表达式，而子查询
则不能。

2.2 递归公用表表达式

递归公用表表达式也是一种公用表表达式，只不过，除了普通公用表表达式的特点以外，它还有自己的特点，就是可以调用自己。它的语法结构是

WITH RECURSIVE
CTE名称 AS （子查询）
SELECT|DELETE|UPDATE 语句;

递归公用表表达式由 2 部分组成，分别是种子查询和递归查询，中间通过关键字 UNION [ALL]进行连接。这里的种子查询，意思就是获得递归的初始值。这个查询只会运行一次，以创建初始数据集，之后递归查询会一直执行，直到没有任何新的查询数据产生，递归返回。

针对于我们常用的employees表，包含employee_id,last_name和manager_id三个字段。如果a是b
的管理者，那么，我们可以把b叫做a的下属，如果同时b又是c的管理者，那么c就是b的下属，是a的下下属。我们要得到所有下下属的人员信息

  • 用递归公用表表达式中的种子查询，找出初代管理者。字段 n 表示代次，初始值为 1，表示是第一代管理者。
  • 用递归公用表表达式中的递归查询，查出以这个递归公用表表达式中的人为管理者的人，并且代次的值加 1。直到没有人以这个递归公用表表达式中的人为管理者了，递归返回。
  • 在最后的查询中，选出所有代次大于等于 3 的人，他们肯定是第三代及以上代次的下属了，也就是下下属了。这样就得到了我们需要的结果集。
WITH RECURSIVE cte
AS
( SELECT employee_id,last_name,manager_id,1 AS n FROM employees WHERE employee_id = 100
#种子查询，找到第一代领导
UNION ALL
SELECT a.employee_id,a.last_name,a.manager_id,n+1 FROM employees AS a JOIN cte
ON (a.manager_id = cte.employee_id) #递归查询，找出以递归公用表表达式的人为领导的人
) 
SELECT employee_id,last_name FROM cte WHERE n >= 3;
文章标签：
云数据库 RDS MySQL 版
SQL
关系型数据库
MySQL
数据库
存储
关键词：
云数据库 RDS MySQL 版窗口函数
云数据库 RDS MySQL 版表
云数据库 RDS MySQL 版表达式
云数据库 RDS MySQL 版公用
数据库表达式
相关实践学习
基于CentOS快速搭建LAMP环境
本教程介绍如何搭建LAMP环境，其中LAMP分别代表Linux、Apache、MySQL和PHP。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心，利用清洁计算为万物互联的新世界提供源源不断的能源动力，目前开服的区域包括中国（华北、华东、华南、香港）、新加坡、美国（美东、美西）、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程，来了解阿里云能够为你的业务带来哪些帮助 &nbsp; &nbsp; 相关的阿里云产品：云服务器ECS 云服务器 ECS（Elastic Compute Service）是一种弹性可伸缩的计算服务，助您降低 IT 成本，提升运维效率，使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
游客muas22kepq7du
目录
相关文章
一只牛博
|
4天前
|
关系型数据库 MySQL 数据库
数据安全之路：深入了解MySQL的行锁与表锁机制
数据安全之路：深入了解MySQL的行锁与表锁机制
一只牛博
23 1
哈茶真的c
|
4天前
|
存储 SQL 关系型数据库
【MySQL】4. 表的操作
【MySQL】4. 表的操作
哈茶真的c
26 0
哈茶真的c
|
4天前
|
存储 关系型数据库 MySQL
【MySQL】6. 表的约束
【MySQL】6. 表的约束
哈茶真的c
19 0
咕噜咕噜wy
|
3天前
|
SQL 关系型数据库 MySQL
MYSQL根据查询结果删除sql 去除重复id 新增对比前一条与后一条数据 去重3种方法​ 窗口函数
MYSQL根据查询结果删除sql 去除重复id 新增对比前一条与后一条数据 去重3种方法​ 窗口函数
咕噜咕噜wy
10 0
xin在这
|
4天前
|
运维 DataWorks 关系型数据库
DataWorks产品使用合集之DataWorks还有就是对于mysql中的表已经存在数据了，第一次全量后面增量同步的步骤如何解决
DataWorks作为一站式的数据开发与治理平台，提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案，帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述，涵盖数据处理的各个环节。
xin在这
37 2
技术蜜糖罐
|
4天前
|
存储 关系型数据库 MySQL
MySQL数据库性能大揭秘：表设计优化的高效策略（优化数据类型、增加冗余字段、拆分表以及使用非空约束）
MySQL数据库性能大揭秘：表设计优化的高效策略（优化数据类型、增加冗余字段、拆分表以及使用非空约束）
技术蜜糖罐
48 0
技术蜜糖罐
|
4天前
|
缓存 关系型数据库 MySQL
MySQL 查询优化：提速查询效率的13大秘籍（索引设计、查询优化、缓存策略、子查询优化以及定期表分析和优化）（中）
MySQL 查询优化：提速查询效率的13大秘籍（索引设计、查询优化、缓存策略、子查询优化以及定期表分析和优化）（中）
技术蜜糖罐
52 0
互联网课堂
|
2天前
|
SQL Oracle 关系型数据库
MySQL窗口函数怎么用
这段内容介绍了如何使用窗口函数（Window Function）在 MySQL 8.x 中进行更高效、简洁的数据分析和计算。窗口函数允许我们在查询结果集的特定窗口（或分区）内执行计算，如聚合、排序和行号生成。文章以一个复杂的 SQL 查询作为示例，展示了如何使用窗口函数简化这个计算排名的过程。
互联网课堂
12 0
cuicuicuic
|
2天前
|
关系型数据库 MySQL Java
实时计算 Flink版产品使用合集之mysql通过flink cdc同步数据，有没有办法所有表共用一个dump线程
实时计算Flink版作为一种强大的流处理和批处理统一的计算框架，广泛应用于各种需要实时数据处理和分析的场景。实时计算Flink版通常结合SQL接口、DataStream API、以及与上下游数据源和存储系统的丰富连接器，提供了一套全面的解决方案，以应对各种实时计算需求。其低延迟、高吞吐、容错性强的特点，使其成为众多企业和组织实时数据处理首选的技术平台。以下是实时计算Flink版的一些典型使用合集。
cuicuicuic
7 0
你的小笔记本YY
|
4天前
|
SQL 存储 关系型数据库
【MySQL】DDL的表操作详解：创建＆查询＆修改＆删除
【MySQL】DDL的表操作详解：创建＆查询＆修改＆删除
你的小笔记本YY
26 0

热门文章

最新文章

  • 1
    Python与NoSQL数据库（MongoDB、Redis等）面试问答
  • 2
    手把手教你实现 OceanBase 数据到阿里云数据库 SelectDB 内核版 Apache Doris 的便捷迁移｜实用指南
  • 3
    Druid数据库连接池简介及应用推广(老项目翻出来做下记录)
  • 4
    Centos7安装mariadb数据库
  • 5
    数据库库表结构设计：原理、实例与最佳实践
  • 6
    关系型数据库ALTER语句
  • 7
    寻找最懂数据库的你，开启云端推广事业！丰厚收益，轻松赚取！
  • 8
    数据库开发之图形化工具以及表操作的详细解析
  • 9
    关系型数据库删除数据
  • 10
    如何保证缓存与数据库的数据一致性？
  • 1
    [MySQL]事务原理之redo log,undo log
    127
  • 2
    [MySQL]SQL优化之索引的使用规则
    44
  • 3
    [MySQL] SQL优化之性能分析
    39
  • 4
    【mysql】—— 用户管理
    40
  • 5
    【mysql】—— 视图
    35
  • 6
    【mysql】—— 表的增删改查
    43
  • 7
    【mysql】—— 表的约束
    42
  • 8
    【MYSQL】—— MySQL 在 Centos 7环境安装
    72
  • 9
    MySQL模糊查询二三事
    28
  • 10
    MySQL的JOIN到底是怎么玩的
    110

    • 相关课程

    更多
  • 数据库的前世今生
  • 数据库核心概念
  • 从传统数据库到云数据库演进
  • 数据库常见问题排查
  • 数据库及SQL/MySQL基础
  • 高校精品课-西安交通大学 -数据库理论与技术

    • 相关电子书

    更多
  • 2022 DTCC-阿里云一站式数据库上云最佳实践
  • 云时代的数据库技术趋势
  • 超大型金融机构国产数据库全面迁移成功实践

    • 相关实验场景

    更多
  • 测试场景（RDS无优惠）
  • MySQL引擎及架构优化
  • 基于EBS部署高性能的MySQL服务
  • 使用Python完成RDS数据开发及分析
  • PolarDB for AI：在数据库中通过SQL实现AI能力
  • 云原生HTAP数据库，让你的交易和分析一库搞定

    • 推荐镜像

    更多
  • mysql
  • mariadb
  • mongodb
    • 下一篇
    2024年阿里云免费云服务器及学生云服务器申请教程参考