当前位置：首页 > backend >正文

MySQL进阶实战：窗口函数 VS 聚合函数，性能与场景全对比

backend 2025/7/29 2:12:07

传统的聚合函数（Aggregate Functions）虽然功能强大，但在某些复杂分析场景下存在明显局限。自 MySQL 8.0 引入窗口函数（Window Functions）以来，SQL 语句的表达能力得到了极大扩展。

本篇文章将围绕“窗口函数 VS 聚合函数”展开全方位对比，从语法、执行原理、适用场景、性能分析、优化建议等多个角度进行深入解析，帮助你在实际开发中合理选择、更高效地编写 SQL 语句。

二、基础概念回顾

2.1 聚合函数简介

聚合函数是用于对一组值执行计算并返回单一值的函数，常见的有：

SUM()：求和
COUNT()：计数
AVG()：平均值
MAX()：最大值
MIN()：最小值

通常与 GROUP BY 联合使用，例如：

SELECT department, AVG(salary)
FROM employees
GROUP BY department;

该语句将员工按部门分组，计算每个部门的平均工资。

2.2 窗口函数简介

窗口函数则是对查询结果中的每一行应用聚合计算，同时保留详细数据。它不会将结果按组折叠，而是保留原始行。典型语法结构为：

<窗口函数> OVER (PARTITION BY <分区列>ORDER BY <排序列>ROWS BETWEEN <窗口范围>
)

常见窗口函数包括：

ROW_NUMBER()：行号
RANK() / DENSE_RANK()：排名
SUM(), AVG(), MAX() 等聚合函数也可作为窗口函数使用

示例：

SELECT employee_id, department, salary,RANK() OVER (PARTITION BY department ORDER BY salary DESC) AS dept_rank
FROM employees;

此语句为每个部门内员工按工资从高到低排名。

三、语法与表达能力对比

功能对比项	聚合函数 (Aggregate)	窗口函数 (Window)
是否折叠数据	是	否
是否支持分区	是（通过 `GROUP BY`）	是（`PARTITION BY`）
是否支持排序	否（需配合子查询/变量）	是（`ORDER BY`）
是否保留原始行数据	否（每组输出 1 行）	是（对每行应用计算）
是否支持滑动窗口	否	是（通过 `ROWS BETWEEN`）
典型使用场景	汇总统计、图表聚合	排名、环比、累计值、序列分析
MySQL版本支持	所有版本	8.0 及以上

聚合函数表达能力有限，窗口函数支持更复杂的数据分析需求。

四、典型场景对比

4.1 需求一：获取每个部门最高工资的员工信息

聚合函数写法（需子查询）：

SELECT e.*
FROM employees e
JOIN (SELECT department_id, MAX(salary) AS max_salaryFROM employeesGROUP BY department_id
) m ON e.department_id = m.department_id AND e.salary = m.max_salary;

窗口函数写法（更直观）：

SELECT *
FROM (SELECT *, RANK() OVER (PARTITION BY department_id ORDER BY salary DESC) AS rnkFROM employees
) t
WHERE rnk = 1;

4.2 需求二：统计员工工资的部门平均值，同时保留每条记录

聚合函数写法（需子查询或 JOIN）：

SELECT e.*, d.avg_salary
FROM employees e
JOIN (SELECT department_id, AVG(salary) AS avg_salaryFROM employeesGROUP BY department_id
) d ON e.department_id = d.department_id;

窗口函数一行搞定：

SELECT *, AVG(salary) OVER (PARTITION BY department_id) AS avg_salary
FROM employees;

4.3 需求三：计算每个员工相对于部门的工资环比（前一行）

SELECT employee_id, department_id, salary,salary - LAG(salary) OVER (PARTITION BY department_id ORDER BY salary) AS salary_diff
FROM employees;

聚合函数无法实现这种按行滑动比较的需求，窗口函数是唯一选择。

五、性能对比实测

5.1 测试环境

MySQL 版本：8.0.36
表结构：employees（约 100 万条记录）
索引：department_id, salary
硬件：8C/32G，SSD

5.2 测试案例

用例一：每个部门工资最高员工

聚合 + JOIN：执行时间 ≈ 210ms
窗口函数 + 子查询 + RANK：执行时间 ≈ 160ms

用例二：每位员工部门平均工资

聚合 + JOIN：≈ 195ms
窗口函数：≈ 140ms

用例三：员工工资同比增长

聚合实现困难或需复杂子查询
窗口函数：≈ 180ms

5.3 总结

在大量数据场景下，窗口函数通常具有更优的性能和更简洁的语法结构，尤其在不需要将数据折叠时效果更佳。

六、执行计划剖析与优化建议

6.1 执行计划观察方式

EXPLAIN FORMAT=JSON <SQL语句>;

重点关注字段：

using_temporary
using_filesort
window_functions
attached_conditions

6.2 窗口函数优化建议

优化 PARTITION BY 和 ORDER BY 字段顺序，添加索引
避免在窗口函数内部使用复杂表达式
尽量减少窗口范围，必要时用 ROWS BETWEEN

6.3 聚合函数优化建议

为 GROUP BY 字段建立联合索引
用 ROLLUP 优化多级汇总
考虑 HASH GROUP BY 替代 SORT GROUP BY

七、实战案例分享

案例一：用户留存率计算

需求：每天新增用户中，在接下来 7 天内是否登录过

SELECT user_id, register_date,MAX(CASE WHEN login_date BETWEEN register_date AND register_date + INTERVAL 7 DAY THEN 1 ELSE 0 END)OVER (PARTITION BY user_id) AS retained
FROM user_activity;

案例二：电商订单连续下单检测

SELECT user_id, order_date,DATEDIFF(order_date, LAG(order_date) OVER (PARTITION BY user_id ORDER BY order_date)) AS interval_days
FROM orders;

如 interval_days = 1，表示连续下单。

案例三：销售额累计趋势图

SELECT sale_date, region,SUM(sales_amount) OVER (PARTITION BY region ORDER BY sale_date) AS cumulative_sales
FROM sales;

使用窗口函数实现“累计和”非常直观。

八、何时使用窗口函数 VS 聚合函数？

聚合函数适用：

需要折叠数据输出（如总和、计数）
数据量小，逻辑简单
查询可直接满足需求，无需保留明细

窗口函数适用：

保留详细行数据
涉及排序/排名、累计值、环比分析等
避免嵌套子查询、逻辑清晰度优先

九、开发实战建议

场景/目的	推荐函数	说明
汇总报表	聚合函数	可读性强，执行高效
行内比较	窗口函数	LAG/LEAD 实现环比同比、连续天检测
排名类分析	窗口函数	RANK/DENSE_RANK
分类累计值计算	窗口函数	SUM() OVER + ORDER BY 实现趋势分析
同时使用多种聚合维度	窗口函数更简洁	避免 JOIN 或子查询