上周讲了窗口函数与子查询、CTE的性能对比，有读者问：窗口函数的帧子句（ROWS/RANGE）到底怎么用？为什么有时候用ROWS有时候用RANGE？今天就把这个坑填上，专门讲讲窗口函数的进阶能力——滑动窗口与帧子句。
先解释两个核心术语
什么是“滑动窗口”？
想象你站在一列数据的长队里，眼前有一个固定宽度的“窗口”，这个窗口每次向右移动一格，每次只统计窗口内的数据。比如计算最近3天的移动平均：第一天看第1-3天，第二天看第2-4天，第三天看第3-5天……窗口在“滑动”。这就是滑动窗口的核心思想：窗口位置随着当前行移动，每次计算一个范围内的数据。
什么是“帧子句”？
帧子句就是用来定义这个“窗口范围”的规则。它告诉数据库：当前行的窗口应该从哪里开始、到哪里结束。比如“从当前行的前2行到当前行的后2行”“从分区第一行到当前行”。帧子句是窗口函数实现滑动窗口的关键语法。
窗口函数的核心语法是：函数() OVER (PARTITION BY ... ORDER BY ... 帧子句)。帧子句定义了相对于当前行，窗口的起止范围。用好帧子句，可以实现移动平均、累计求和、同比环比、滑动聚合等复杂逻辑，否则窗口函数就只是带排序的分组聚合而已。
一、帧子句的基本语法
帧子句的完整写法：
ROWS | RANGE BETWEEN 起点 AND 终点其中起点和终点可以是：
UNBOUNDED PRECEDING：从分区第一行开始n PRECEDING：当前行之前的n行CURRENT ROW：当前行n FOLLOWING：当前行之后的n行UNBOUNDED FOLLOWING：直到分区最后一行
如果不显式指定帧子句，默认行为是：有ORDER BY时默认RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW；无ORDER BY时默认ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING。这一点经常被误解，导致计算结果与预期不符。
二、ROWS vs RANGE 的核心区别
这是最容易踩的坑。用一个比喻帮助你理解：
- ROWS：像用“行号”画窗口。窗口按行数严格划分，不管ORDER BY列的值是否相同，每一行都独立计算。类似于“前5个人、后5个人”。
- RANGE：像用“值”画窗口。窗口按ORDER BY列的值划分，相同值的数据必须同时出现在窗口内或被排除在外。类似于“所有年龄相同的人放在一起统计”。
用一个具体例子说明。表sales：日期和销售额
| sale_date | amount |
|---|---|
| 2026-01-01 | 100 |
| 2026-01-01 | 50 |
| 2026-01-02 | 200 |
| 2026-01-03 | 150 |
执行：
SELECT sale_date, amount,
SUM(amount) OVER (ORDER BY sale_date ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) as rows_cum,
SUM(amount) OVER (ORDER BY sale_date RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) as range_cum
FROM sales;结果：
| sale_date | amount | rows_cum | range_cum |
|---|---|---|---|
| 2026-01-01 | 100 | 100 | 150 |
| 2026-01-01 | 50 | 150 | 150 |
| 2026-01-02 | 200 | 350 | 350 |
| 2026-01-03 | 150 | 500 | 500 |
- ROWS：严格按行顺序累加，第一行100，第二行100+50=150，每行都变。
- RANGE：按sale_date的值分组。2026-01-01的两行属于同一个值，窗口把这两行作为一个整体累计，所以两行的累计值都是150（100+50），直到2026-01-02才增加到350。
实际业务中：
- 需要严格逐行计算（如移动平均、每笔交易独立累计）→ 用
ROWS - 需要按逻辑分组聚合（如按日期统计，同一天的数据应同时计入）→ 用
RANGE
三、典型滑动窗口场景
场景1：3日移动平均（滑动窗口经典案例）
计算每个日期前后各1天（包含当天）的平均销售额。这里的“窗口”就是当前行、前1行、后1行。随着当前行向下移动，窗口也跟着“滑动”。
SELECT sale_date, amount,
A VG(amount) OVER (ORDER BY sale_date ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING) as moving_a vg_3
FROM sales;注意边界处理：第一行没有1 PRECEDING，窗口只包含当前行和1 FOLLOWING。这就是滑动窗口最常用的形式。
场景2：从当前行到分区末尾的累计
计算每个部门内，按工资从低到高排序，从当前员工到工资最高者的工资总和。
SELECT dept, salary,
SUM(salary) OVER (PARTITION BY dept ORDER BY salary ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) as sum_from_curr
FROM emp;这里窗口的起点是“当前行”，终点是“分区末尾”，随着当前行下移，窗口越来越小。适合计算“比我工资高的人的总和”等需求。
场景3：排除当前行的滑动窗口
计算当前行之前2行到当前行之后2行，但排除当前行本身。例如分析整体趋势时去掉自身的波动。
SELECT sale_date, amount,
A VG(amount) OVER (ORDER BY sale_date ROWS BETWEEN 2 PRECEDING AND 2 FOLLOWING EXCLUDE CURRENT ROW) as moving_a vg_exclude_self
FROM sales;EXCLUDE CURRENT ROW是SQL标准支持但MySQL尚未实现的语法，PostgreSQL等数据库已支持。如果MySQL需要实现类似效果，可以自行计算总窗口值再减去当前值。
四、ROWS与RANGE在滑动窗口中的选择建议
| 需求场景 | 推荐帧类型 | 原因 |
|---|---|---|
| 时间序列移动平均（按行严格计算） | ROWS | 不关心时间间隔是否连续，只关心行数 |
| 按日期分组统计（同一天数据一起算） | RANGE | 相同ORDER BY值应属于同一个窗口 |
| 财务累计（按交易顺序） | ROWS | 每笔交易独立，严格逐行累加 |
| 滚动窗口（最近7天，不关心行数） | RANGE | 基于日期的范围，可能某天有多行或没有行 |
五、实际运用：计算同比环比
假设有每月销售表monthly_sales（year, month, amount）。计算环比（与上月比较）：
SELECT year, month, amount,
LAG(amount, 1) OVER (ORDER BY year, month) as prev_amount,
(amount - LAG(amount, 1) OVER (ORDER BY year, month)) / LAG(amount, 1) OVER (ORDER BY year, month) as growth_rate
FROM monthly_sales;LAG/LEAD函数配合帧子句可以更灵活地定义偏移量。计算同比（去年同期）则需要更复杂的窗口定义或自连接。
六、注意事项与性能建议
- 帧子句只对聚合窗口函数（SUM、A VG、COUNT、MIN、MAX）有意义；排名函数（ROW_NUMBER、RANK等）和偏移函数（LAG、LEAD）忽略帧子句，始终基于整个分区。
RANGE模式要求ORDER BY列是数值或日期类型，且通常会产生比ROWS更多的内存消耗，因为需要识别“相同值”的组边界。- 超大窗口滑动时（如
UNBOUNDED PRECEDING），相当于全分区扫描，性能开销大。可考虑使用索引和物化视图预计算。
七、总结
窗口函数的高级能力——帧子句，是实现复杂滑动分析的关键。区分ROWS与RANGE、正确设置边界，能写出更简洁高效的SQL，避免使用自连接或游标。掌握这些技巧，是SQL从“能写”到“会优化”的重要一步。