SQLServer中Partition By及row_number 函数使用详解

partition  by关键字是分析性函数的一部分，它和聚合函数不同的地方在于它能返回一个分组中的多条记录，而聚合函数一般只有一条反映统计值的记录，partition  by用于给结果集分组，如果没有指定那么它把整个结果集作为一个分组。 今天群里看到一个问题，在这里概述下：查询出不同分类下的最新记录。一看这不是很简单的么，要分类那就用Group By;要最新记录就用Order By呗。然后在自己的表中试着做出来： 首先呢我把表中的数据按照提交时间倒序出来： “corp_name”就是分类的GUID（请原谅我命名的随意性）。 OK， 这里按照最开始的想法加上Group By来看一下显示效果： 在SQL Server中，`PARTITION BY` 和 `ROW_NUMBER()` 是两种非常重要的分析函数，它们在处理大数据集时尤其有用。`PARTITION BY` 用于将结果集分成多个分区，而`ROW_NUMBER()` 用于为每个分区内的行分配唯一的序列号。 `PARTITION BY` 是一个窗口函数的关键部分，它可以将结果集根据指定的列进行分组。例如，如果我们在查询中使用 `PARTITION BY corp_name`，那么所有具有相同 `corp_name` 的行将被分到同一个分区中。这样，我们可以在每个分区内部进行计算，而不会影响其他分区。如果不指定 `PARTITION BY`，则默认整个结果集是一个分区。 在描述中的例子中，作者想要找出不同分类（corp_name）下的最新记录。通常，我们可能会首先想到使用 `GROUP BY corp_name` 结合 `MAX(submit_time)` 来获取每个分类的最新时间，但这只会返回一行数据，而不是每个分类的最新记录。这时，`OVER()` 子句和 `PARTITION BY` 就派上了用场。`OVER(PARTITION BY corp_name ORDER BY submit_time DESC)` 可以确保在每个分类内部按照时间降序排列，`ROW_NUMBER()` 则可以为每个分类的行分配一个序列号，最新的记录将获得序列号1。 `ROW_NUMBER()` 函数在 `OVER()` 子句中使用时，可以为结果集中的每一行生成一个唯一的整数。你可以根据指定的排序规则（如 `ORDER BY submit_time DESC`）来决定这个数字的分配顺序。当你结合 `PARTITION BY` 使用时，`ROW_NUMBER()` 将在每个分区内部重新开始计数，这意味着每个分类的第一个最新记录将获得序列号1。 下面是一个更深入的示例： ```sql SELECT A, B, ROW_NUMBER() OVER(PARTITION BY A ORDER BY A DESC) AS RN FROM TESTDB ``` 在这个例子中，`TESTDB` 表有两个字段 `A` 和 `B`，`ROW_NUMBER()` 分配的 `RN` 列表示每个 `A` 分区内的行号。`PARTITION BY A` 将数据按 `A` 列的值进行分区，而 `ORDER BY A DESC` 确保每个 `A` 值的行按降序排列。`RN` 列则表示每个分区内部的行号，对于每个 `A` 值，`RN=1` 的行就是该分类的最新记录。 `ROW_NUMBER()` 函数的另一个常见用途是在分页查询中，通过限制 `WHERE RN BETWEEN start AND end` 来获取数据集的一部分，这对于大型数据集的检索非常有效。 `PARTITION BY` 和 `ROW_NUMBER()` 是SQL Server中进行复杂数据处理的重要工具，它们可以帮助我们实现更精细的数据分析和操作，尤其是在需要处理大量分组数据时。正确理解和运用这两个函数，可以显著提升我们的SQL编程能力。