先说说后端面试里那些绕不开的SQL题。每组取TopN、连续登录、同比环比、累计求和，几乎是必考题。很多同学一看到这类需求，条件反射就是“上窗口函数”。但窗口函数不是用来炫技的，它的核心价值在于表达一种意图：在某个分组和排序范围内进行计算。
会用窗口函数，重点不是死记硬背 row_number() 的语法，而是真正理解 partition（分组）、order（排序） 和 frame（窗口框架） 各自在描述什么。
每组 TopN，窗口函数的经典开场
题目很典型：每个部门取工资最高的 3 个人。
SELECT *FROM ( SELECT employee_id, department_id, salary, ROW_NUMBER() OVER ( PARTITION BY department_id ORDER BY salary DESC ) AS rn FROM employee) tWHERE rn <= 3;
这个 PARTITION BY department_id 就是灵魂——它告诉数据库，每个部门单独开一个排名场。而 ORDER BY salary DESC 决定了排名依据。这比写子查询或者自连接清爽太多了。
窗口函数的执行逻辑，一张图说明白
flowchart TD A[原始数据] --> B[按 partition 分组] B --> C[组内排序] C --> D[计算窗口函数] D --> E[外层过滤]
窗口函数跟 group by 最大的区别是什么？前者是在结果行上“附加”一个计算值，不会把多行数据压成一行。这是很多新手容易混淆的地方——以为窗口函数会改变行数，其实它不会。
row_number、rank、dense_rank：并列怎么处理？
假设工资是 [100, 100, 90]：
row_number: 1, 2, 3rank: 1, 1, 3dense_rank: 1, 1, 2
面试时别想当然地直接用 row_number。题目说“取前三名”，那并列的两个人算不算都要保留？一定要先问清楚业务意图。这个细节比你会写哪种函数重要得多。
性能这块，大多数人容易忽略
窗口函数本质上需要排序。大表上跑窗口函数，笔者的建议是：先考虑分区字段、排序字段和过滤条件。能先缩小数据范围，就别全表开窗。
WHERE dt = '2026-07-03'
就是这么一句简单的分区过滤，往往比你花里胡哨地换十种窗口写法都管用。
连续登录也是高频题。思路核心是：用日期减去排名，构造出一个分组键。同一段连续日期内，这个差值是一样的。
SELECT user_id, MIN(login_date), MAX(login_date), COUNT(*)FROM ( SELECT user_id, login_date, DATE_SUB(login_date, INTERVAL ROW_NUMBER() OVER ( PARTITION BY user_id ORDER BY login_date ) DAY) AS grp FROM user_login) tGROUP BY user_id, grp;
这道题的关键是：把“连续”这个抽象概念，转成具体的“同组”标识。窗口函数只是帮你实现这个转化的工具，核心洞察才是真正的答案。
还有一个经常被忽略的细节：同一天登录多次，算一次还是多次？题目没说，得先弄清楚去重规则。
同比环比场景下，LAG 函数很常用。它能拿到上一行的数据，但上一行是不是昨天、上周或者上月，取决于排序和数据是否完整。如果日期本身不连续，直接用 LAG 可能拿到一个完全错误的基准。
SELECT dt, gmv, LAG(gmv, 1) OVER (ORDER BY dt) AS prev_gmvFROM ads_daily_gmv;
这段代码只适合日期连续的场景。如果日期有空缺，需要先补一张日历表。面试时能指出这个边界条件，会让面试官觉得你考虑得很周全。
总结
SQL 窗口函数的真正价值，在于能够清晰地表达“在分组和排序范围内进行计算”的意图，无论是排名、累计、还是偏移量。重点是把 partition、order、frame 这三个概念理解透，而不是机械地背几个函数名。
窗口函数不是为了写得高级，而是为了把“组内计算”这件事说清楚、写简洁。
