Function	描述	并列值处理	示例输出
ROW_NUMBER	顺序编号	始终唯一	`1, 2, 3, 4, 5`
RANK	带间隔的排名	相同排名，后续有间隔	`1, 2, 2, 4, 5`
DENSE_RANK	不带间隔的排名	相同排名，无间隔	`1, 2, 2, 3, 4`

分布函数：

Function	描述	范围	示例输出
PERCENT_RANK	以百分比表示的相对排名	0.0 到 1.0	`0.0, 0.25, 0.5, 0.75, 1.0`
CUME_DIST	累积分布	0.0 到 1.0	`0.2, 0.4, 0.6, 0.8, 1.0`
NTILE	划分为 N 个存储桶	1 到 N	`1, 1, 2, 2, 3, 3`

值访问函数：

别名：

函数	别名
FIRST	FIRST_VALUE
LAST	LAST_VALUE

这些是标准聚合函数，可以与 OVER 子句一起使用以执行窗口操作。

Function	描述	支持窗口框架	示例
SUM	计算窗口上的总和	✓	`SUM(sales) OVER (PARTITION BY region ORDER BY date)`
AVG	计算窗口上的平均值	✓	`AVG(score) OVER (ORDER BY id ROWS BETWEEN 2 PRECEDING AND CURRENT ROW)`
COUNT	统计窗口中的行数	✓	`COUNT(*) OVER (PARTITION BY department)`
MIN	返回窗口中的最小值	✓	`MIN(price) OVER (PARTITION BY category)`
MAX	返回窗口中的最大值	✓	`MAX(price) OVER (PARTITION BY category)`
ARRAY_AGG	将值收集到数组中		`ARRAY_AGG(product) OVER (PARTITION BY category)`
STDDEV_POP	总体标准差	✓	`STDDEV_POP(value) OVER (PARTITION BY group)`
STDDEV_SAMP	样本标准差	✓	`STDDEV_SAMP(value) OVER (PARTITION BY group)`
MEDIAN	中位数	✓	`MEDIAN(response_time) OVER (PARTITION BY server)`

条件变体

Function	描述	支持窗口框架	示例
COUNT_IF	条件计数	✓	`COUNT_IF(status = 'complete') OVER (PARTITION BY dept)`
SUM_IF	条件求和	✓	`SUM_IF(amount, status = 'paid') OVER (PARTITION BY customer)`
AVG_IF	条件平均值	✓	`AVG_IF(score, passed = true) OVER (PARTITION BY class)`
MIN_IF	条件最小值	✓	`MIN_IF(temp, location = 'outside') OVER (PARTITION BY day)`
MAX_IF	条件最大值	✓	`MAX_IF(speed, vehicle = 'car') OVER (PARTITION BY test)`

基本语法

所有窗口函数都遵循以下模式：

FUNCTION() OVER (
    [ PARTITION BY column ]
    [ ORDER BY column ]
    [ window_frame ]
)

窗口框架说明

窗口框架定义了对每一行进行计算时应包含哪些行。TiDB Cloud Lake 支持两种类型的窗口框架：

使用物理行数定义窗口框架。

语法：

ROWS BETWEEN frame_start AND frame_end

示例：

有关详细示例和用法，请参见 ROWS BETWEEN。

使用逻辑值范围定义窗口框架。

语法：

RANGE BETWEEN frame_start AND frame_end

示例：

有关详细示例和用法，请参见 RANGE BETWEEN。

有关详细语法和示例，请参见上方各个函数的单独文档。