新特性解读 | MySQL 8.0 窗口函数一次疑问解答

爱可生开源社区

发布于 2022-04-06 21:30:45

42500

代码可运行

文章被收录于专栏：爱可生开源社区爱可生开源社区

运行总次数：0

代码可运行

作者：杨涛涛

资深数据库专家，专研 MySQL 十余年。擅长 MySQL、PostgreSQL、MongoDB 等开源数据库相关的备份恢复、SQL 调优、监控运维、高可用架构设计等。目前任职于爱可生，为各大运营商及银行金融企业提供 MySQL 相关技术支持、MySQL 相关课程培训等工作。

本文来源：原创投稿

* 爱可生开源社区出品，原创内容未经授权不得随意使用，转载请联系小编并注明来源。

记起来有一次去讲 MySQL 8.0 开发相关特性，在 QA 环节，有人对 MySQL 的几个非常用窗口函数有些困惑，当时现场给了一些示范并且做了详细的解答，今天我用几个简单例子分享下具体的用法。

有困惑的是这四个窗口函数（其实是因为我PPT里仅写了这四个窗口函数）：frist_value、last_value、nth_value、ntile 。

谈到这四个窗口函数的具体用法，特别是前两个，得先熟悉 MySQL 窗口函数的框架用法。这里提到的窗口函数框架，其实就是定义一个分组窗口的边界，边界可以是具体的行号，也可以是具体的行内容，以这个边界为起点或者终点，来展现分组内的过滤数据。详情见我之前的发稿：https://opensource.actionsky.com/20210125-mysql/

接下来我们来看看这四个窗口函数如何使用。

first_value：用来返回一个分组窗口里的第一行记录，也即排名第一的那行记录。

我们用表 t1 来示范，这张表里只有12行记录，其中每6行记录按照字段 r1 来分组。

   localhost:ytt_new>select id,r1,r2 from t1;
   +----+------+------+
   | id | r1   | r2   |
   +----+------+------+
   |  1 |   10 |   20 |
   |  2 |   10 |   30 |
   |  3 |   10 |   40 |
   |  4 |   10 |   50 |
   |  5 |   10 |    2 |
   |  6 |   10 |    3 |
   |  7 |   11 |  100 |
   |  8 |   11 |  101 |
   |  9 |   11 |    1 |
   | 10 |   11 |    3 |
   | 11 |   11 |   10 |
   | 12 |   11 |   20 |
   +----+------+------+
   12 rows in set (0.00 sec)

比如想拿到每个分组里的第一名（升序），可以用row_number()函数，我们来回顾下：

   localhost:ytt_new>select r1,r2 from (select r1,r2,row_number() over(partition by r1 order by r2) as rn from t1) T where T.rn = 1;
   +------+------+
   | r1   | r2   |
   +------+------+
   |   10 |    2 |
   |   11 |    1 |
   +------+------+
   2 rows in set (0.00 sec)

此时如果用 first_value 来实现，写法会更加简单：

      localhost:ytt_new>select distinct r1,first_value(r2) over(partition by r1 order by r2) as first_r2 from t1;
      +------+----------+
      | r1   | first_r2 |
      +------+----------+
      |   10 |        2 |
      |   11 |        1 |
      +------+----------+
      2 rows in set (0.00 sec)

last_value：和first_value相反，用来返回分组窗口里的最后一行记录，也即倒数第一的那行记录。

比如我取出对应分组内最后一行 r2 的值，如果用 last_value 函数，非常好实现，可结果和预期不一致：返回与字段 r2 本身等值的记录。

   localhost:ytt_new>select distinct r1,last_value(r2) over(partition by r1 order by r2) 'last_r2' from  t1; +------+---------+
   | r1   | last_r2 |
   +------+---------+
   |   10 |       2 |
   |   10 |       3 |
   |   10 |      20 |
   |   10 |      30 |
   |   10 |      40 |
   |   10 |      50 |
   |   11 |       1 |
   |   11 |       3 |
   |   11 |      10 |
   |   11 |      20 |
   |   11 |     100 |
   |   11 |     101 |
   +------+---------+
   12 rows in set (0.01 sec)

究其原因是函数last_value的默认框架是 rows between unbounded preceding and current row。这里默认框架意思是：限制窗口函数的取值边界为当前行和上限无穷大，所以对应的值就是当前行自己。

那正确的框架应该是什么样呢？正确的框架应该是让边界锁定整个分组的上下边缘，也即整个分组的上限与下限之间。所以正确的写法如下：

   localhost:ytt_new>select distinct r1,last_value(r2) over(partition by r1 order by r2 RANGE BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) as 'last_r2' from t1;
   +------+---------+
   | r1   | last_r2 |
   +------+---------+
   |   10 |      50 |
   |   11 |     101 |
   +------+---------+
   2 rows in set (0.00 sec)

nth_value：用来返回分组内指定行的记录。

比如用 nth_value 函数来求分组内排名第一的记录：

   localhost:ytt_new>select * from (select distinct r1,nth_value(r2,1) over(partition by r1 order by r2) 'first_r2' from  t1) T where T.first_r2 is not null;
   +------+----------+
   | r1   | first_r2 |
   +------+----------+
   |   10 |        2 |
   |   11 |        1 |
   +------+----------+
   2 rows in set (0.00 sec)

这个函数的功能基本和函数 row_number 一致。不同的是 row_number 用来展示排名，而 nth_value 用来输入排名。

ntile：用来在分组内继续二次分组。

比如我想取出分组内排名前 50% 的记录，可以这样写：

   localhost:ytt_new>select id,r1,r2 from (select id,r1,r2, ntile(2) over(partition by r1 order by r2) 'ntile
   ' from t1) T where T.ntile=1;
   +----+------+------+
   | id | r1   | r2   |
   +----+------+------+
   |  5 |   10 |    2 |
   |  6 |   10 |    3 |
   |  1 |   10 |   20 |
   |  9 |   11 |    1 |
   | 10 |   11 |    3 |
   | 11 |   11 |   10 |
   +----+------+------+
   6 rows in set (0.00 sec)

这四个窗口函数，特别是 last_value 需要注意。不过在大多数场景下，记住几个常用的窗口函数即可，比如 row_number()，rank() 等等。