MySQL8 新特性——窗口函数用法

MySQL 8.0 是 MySQL 数据库管理系统的一个重要版本，引入了许多新特性和改进。以下是 MySQL 8.0 的一些主要新特性：

事务隔离级别改进： MySQL 8.0 引入了新的事务隔离级别 SERIALIZABLE，提供了最高级别的事务隔离，确保了数据的完整性和一致性。同时，它对其他事务隔离级别的实现也进行了改进，提高了并发性和性能。
Window Functions 支持： MySQL 8.0 引入了窗口函数（Window Functions）的支持，使得在查询中进行复杂的分析和聚合变得更加灵活和高效。窗口函数可以与 OVER 子句一起使用，实现分组、排序、排名等操作。
Common Table Expressions (CTEs) 支持： MySQL 8.0 支持通用表达式（CTEs），允许在查询中使用 WITH 子句来定义临时结果集，简化了复杂查询的编写。
JSON 支持改进： MySQL 8.0 对 JSON 支持进行了改进，包括支持更多的 JSON 函数和操作，以及更高效的 JSON 存储格式，使得在 MySQL 中存储和查询 JSON 数据更加方便。
新增 Data Dictionary： MySQL 8.0 引入了 Data Dictionary 来替代之前的 .frm 文件，用于存储数据库元数据信息，提高了数据库的可靠性和扩展性。
InnoDB 存储引擎改进： MySQL 8.0 对 InnoDB 存储引擎进行了多项改进，包括支持更大的表空间、在线表重建、数据压缩和加密、性能优化等。
全局事务标识（GTID）改进： MySQL 8.0 改进了全局事务标识（GTID）的支持，简化了主从复制配置和管理，提高了复制的可靠性。
Persistent Configuration Variables： MySQL 8.0 引入了持久配置变量，允许将配置参数的值持久化到配置文件中，重启后仍然保持设置。
离线数据迁移： MySQL 8.0 支持通过 ALTER TABLE 命令进行离线数据迁移，不再需要使用 pt-online-schema-change 工具。
二进制日志改进： MySQL 8.0 对二进制日志进行了改进，包括支持多线程写入、事务重放和文件格式改进，提高了日志的性能和可靠性。

以上只是 MySQL 8.0 的一部分新特性，该版本还有许多其他改进，如更好的性能、安全性和扩展性等。MySQL 8.0 的发布为用户提供了更多的功能和选项，使得 MySQL 数据库成为更强大和可靠的数据库解决方案。

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会成一条记录，而窗口函数是将结果置于每一条数据记录中。

静态/动态窗口函数

实际上，窗口函数在MySQL中并没有严格的"静态"和"动态"分类。窗口函数通常根据其特性和功能进行分类，如我之前所述的排名函数、聚合函数、累积函数和分析函数等。这些分类基于窗口函数的不同计算方式和用途。

然而，可能你提到的"静态窗口函数"和"动态窗口函数"是指窗口函数在窗口帧（Window Frame）中的范围设置方式。窗口帧定义了在计算窗口函数时，应该包含哪些行。在MySQL中，有两种常见的窗口帧设置方式：

静态窗口函数（Static Window Functions）：在静态窗口函数中，窗口帧的范围是固定的，不随行的位置变化而改变。最常见的静态窗口帧是使用ROWS BETWEEN子句，指定相对于当前行的固定范围来定义窗口。

SELECT
  column1,
  column2,
  SUM(column3) OVER (ORDER BY column1 ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS sum_column3
FROM
  your_table;

在上述例子中，使用ROWS BETWEEN 2 PRECEDING AND CURRENT ROW定义了一个静态窗口帧，窗口包含当前行以及前面两行的数据。

动态窗口函数（Dynamic Window Functions）：在动态窗口函数中，窗口帧的范围随着行的位置而变化。最常见的动态窗口帧是使用RANGE BETWEEN子句，基于值的范围来定义窗口。

SELECT
  column1,
  column2,
  SUM(column3) OVER (ORDER BY column1 RANGE BETWEEN INTERVAL 1 HOUR PRECEDING AND CURRENT ROW) AS sum_column3
FROM
  your_table;

在上述例子中，使用RANGE BETWEEN INTERVAL 1 HOUR PRECEDING AND CURRENT ROW定义了一个动态窗口帧，窗口包含当前行及其前面1小时内的数据，根据时间的变化而自动调整范围。

需要注意的是，动态窗口函数在MySQL中的支持有限，而且使用时需要谨慎，因为它可能涉及对窗口中的所有数据进行排序，对性能有一定的影响。大多数情况下，静态窗口函数已经能够满足大部分需求。

语法结构

在MySQL中，窗口函数的语法结构如下：

<窗口函数> OVER (
  [PARTITION BY partition_expression]
  [ORDER BY sort_expression [ASC | DESC], ...]
  [window_frame]
)

让我们逐个解释每个部分的含义：

<窗口函数>：这是要执行的窗口函数，可以是聚合函数（如SUM()、AVG()、MIN()、MAX()、COUNT()等）、排名函数（如ROW_NUMBER()、RANK()、DENSE_RANK()、NTILE()等）或其他分析函数（如LEAD()、LAG()、FIRST_VALUE()、LAST_VALUE()、PERCENT_RANK()、CUME_DIST()等）。
OVER ()：这是定义窗口的关键字，它后面跟着圆括号，用于包含窗口的设置。
PARTITION BY partition_expression：这是可选的子句，用于将结果集分成不同的分区（组）。partition_expression是一个表达式，根据它的值来划分不同的分区。窗口函数将在每个分区内独立计算。
ORDER BY sort_expression [ASC | DESC], ...：这也是可选的子句，用于在每个分区内对数据进行排序。sort_expression是一个表达式，用于指定排序的规则。可以指定多个排序表达式，并可以指定升序（ASC）或降序（DESC）。
window_frame：这是可选的子句，用于指定在每个分区中用于窗口函数的行范围。它决定了哪些行包含在计算中。窗口帧可以基于当前行的相对位置（ROWS [n] PRECEDING或FOLLOWING）或基于列的值（RANGE BETWEEN value1 AND value2）。如果未指定window_frame，则窗口函数默认使用所有分区中的所有行。

请注意，窗口函数的具体语法可能因数据库管理系统的版本而有所不同。以上语法适用于MySQL 8.0及以上版本，其他数据库系统（如SQL Server、PostgreSQL等）的语法可能稍有不同。在使用时请根据具体的数据库版本和语法规则进行相应调整。

部分函数用法介绍

在这里插入图片描述

#准备工作
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', 'Th', 39.90, 1000, '2023-7-23 00:00:00'),
       (1, '女装/女士精品', '连衣裙', 79.98, 2500, '2023-7-23 00:00:00'),
       (1, '女装/女士精品', '卫衣', 89.98, 1500, '2023-7-23 00:00:00'),
       (1, '女装/女士精品', '牛仔裤', 89.98, 3500, '2023-7-23 00:00:00'),
       (1, '女装/女士精品', '百智精', 29.98, 500, '2023-7-23 00:00:00'),
       (1, '女装/女士精品', '呢绒外套', 399.98, 128, '2023-7-23 00:00:00'),
       (2, '户外运动', '自行车', 399.98, 2300, '2023-7-23 00:00:00'),
       (2, '户外运动', '山地自行车', 1399.98, 2500, '2023-7-23 00:00:00'),
       (2, '户外运动', '连山秋', 59.98, 1599, '2023-7-23 00:00:00'),
       (2, '户外运动', '骑行装备', 399.98, 3568, '2023-7-23 00:00:00'),
       (2, '户外运动', '运动外套', 799.98, 500, '2023-7-23 00:00:00'),
       (2, '户外运动', '滑板', 499.9, 1200, '2023-7-23 00:00:00');

ROW_NUMBER()

## ROW_NUMBER()
# 查询每个商品分类下 再按价格降序排序信息
SELECT ROW_NUMBER() OVER (PARTITION BY category_id ORDER BY price DESC) AS row_num, id, category_id, category, NAME, price, stock
FROM goods;

在这里插入图片描述

# 查询每个商品分类下价格最高的3种商品信息
SELECT *
FROM (SELECT ROW_NUMBER() over (PARTITION BY category ORDER BY price DESC) AS row_num, id, category_id, category, NAME, price, stock FROM goods) t
WHERE row_num <= 3;

在这里插入图片描述

RANK()

# 和 ROW_NUMBER() 区别 当price价格一样时，ROW_NUMBER()返回1，2，3；而 RANK() 返回1，2，2，4
# 获取各个类别的价格从高到低排序
SELECT RANK() OVER (PARTITION BY category_id ORDER BY price DESC) AS row_num, id, category_id, category, NAME, price, stock
FROM goods;

在这里插入图片描述

DENSE_RANK()

# 返回的序号不会跳过重复的序号，比如返回1，2，2，3
SELECT DENSE_RANK() OVER (PARTITION BY category_id ORDER BY price DESC) AS row_num, id, category_id, category, NAME, price, stock
FROM goods;

在这里插入图片描述

PERCENT_RANK()

## PERCENT_RANK()
# 计算名称为"女装/女士精品"的类别下的商品的PERCENT_RANK值
SELECT RANK() OVER w         AS r,
       PERCENT_RANK() OVER w AS pr,
       id,
       category_id,
       category,
       NAME,
       price,
       stock
FROM goods
WHERE category_id = 1 WINDOW w AS (PARTITION BY category_id ORDER BY price DESC);
# 写法方式二：
SELECT RANK() OVER (PARTITION BY category_id ORDER BY price DESC)         AS r,
       PERCENT_RANK() OVER (PARTITION BY category_id ORDER BY price DESC) AS pr,
       id,
       category_id,
       category,
       NAME,
       price,
       stock
FROM goods
WHERE category_id = 1;

在这里插入图片描述

CUME_DIST()

# 主要用于查询小于或等于当前价格的比例
SELECT CUME_DIST() OVER (PARTITION BY category_id ORDER BY price DESC) AS row_num, id, category_id, category, NAME, price, stock
FROM goods;

在这里插入图片描述

LAG(expr, n)、LEAD(expr, n)

## LAG(expr, n)
# 返回当前行的前n行的expr的值
# 查询前一个商品与当前商品价格的差值
# 之前遇到过一个求历史修改记录差异可以用这个！！！，当时听负责人的加了parent_id
SELECT id,
       category_id,
       category,
       NAME,
       price,
       price - pre_price AS diff_prive,
       pre_price,
       pre_id
FROM (SELECT id, category_id, category, NAME, price, LAG(price, 1) OVER (ORDER BY price) AS pre_price, LAG(id, 1) OVER ( ORDER BY price) AS pre_id
      FROM goods) t;

## LEAD(expr, n)
# 返回当前行的后n行的expr的值，类似⬆️

在这里插入图片描述

FIRST_VALUE(expr)、LAST_VALUE(expr)

## FIRST_VALUE(expr)
# 返回第一个expr的值
SELECT id, category_id, category, NAME, price, stock, FIRST_VALUE(price) OVER (PARTITION BY category_id ORDER BY price) AS first_price
FROM goods;

## LAST_VALUE(expr)
# 返回最后一个expr的值

在这里插入图片描述

NTH_VALUE(expr, n)

## NTH_VALUE(expr, n)
# 查询排名第2和第3的价格信息
SELECT id,
       category,
       NAME,
       price,
       NTH_VALUE(price, 2) OVER (PARTITION BY category_id ORDER BY price) AS second_price,
       NTH_VALUE(price, 3) OVER (PARTITION BY category_id ORDER BY price) AS third_price
FROM goods;

在这里插入图片描述

NTILE(n)

## NTILE(n) 分为n组
SELECT NTILE(4) OVER (PARTITION BY category_id ORDER BY price DESC) AS row_num, id, category_id, category, NAME, price, stock
FROM goods;