作者：杨涛涛
资深数据库专家，专研 MySQL 十余年。擅长 MySQL、PostgreSQL、MongoDB 等开源数据库相关的备份恢复、SQL 调优、监控运维、高可用架构设计等。目前任职于爱可生，为各大运营商及银行金融企业提供 MySQL 相关技术支持、MySQL 相关课程培训等工作。
本文来源：原创投稿
* 爱可生开源社区出品，原创内容未经授权不得随意使用，转载请联系小编并注明来源。
之前在 MySQL 8.0 新特性栏目里介绍过 8.0 的窗口函数的用法，没有细化到全部的语法，恰巧今天有客户追问其中的框架子句用法，写出来大家一起探讨。
窗口函数其实就是一个分组窗口内部处理每条记录的函数，这个窗口也就是之前聚合操作的窗口。不同的是，聚合函数是把窗口关闭，给一个汇总的结果；而窗口函数是把窗口打开，给分组内每行记录求取对应的聚合函数值或者其他表达式的结果。
今天重点看窗口函数内的 frame 子句：frame 子句用来把窗口内的记录按照指定的条件打印出来，跟在 partition 和 order by 子句后面。frame 子句的语法为：
frame_clause:
frame_units frame_extent
frame_units:
{ROWS | RANGE}
frame_extent:
{frame_start | frame_between}
frame_between:
BETWEEN frame_start AND frame_end
frame_start, frame_end: {
CURRENT ROW
| UNBOUNDED PRECEDING
| UNBOUNDED FOLLOWING
| expr PRECEDING
| expr FOLLOWING
}
这里分为两块，一块是 frame_units （框架单元），另外一块是 frame_extent （框架内容）
-
frame_units 框架单元有两个，一个是 rows，一个是 range。
-
rows 后面跟的内容为指定的行号，而 range 不同，range 是指的行内容。
框架内容看起来挺多分类，其实就一句话来表达： 为了定义分组内对应行记录的边界值来求取对应的计算结果。
基于 t1 举例说明下:
mysql: ytt_80 > desc t1;
+-------+------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+-------+------+------+-----+---------+-------+
| id | int | YES | | NULL | |
| r1 | int | YES | | NULL | |
| r2 | int | YES | | NULL | |
+-------+------+------+-----+---------+-------+
3 rows in set (0.00 sec)
mysql: ytt_80 > select * from t1;
+------+------+------+
| id | r1 | r2 |
+------+------+------+
| 2 | 1 | 1 |
| 2 | 2 | 20 |
| 2 | 3 | 30 |
| 2 | 4 | 40 |
| 3 | 3 | 3 |
| 3 | 2 | 2 |
| 3 | 10 | 20 |
| 3 | 30 | 20 |
| 1 | 1 | 1 |
| 1 | 2 | 3 |
| 1 | 3 | 4 |
| 1 | 10 | 10 |
| 1 | 15 | 20 |
| 2 | 15 | 2 |
| 3 | 15 | 5 |
| 1 | 9 | 100 |
+------+------+------+
16 rows in set (0.00 sec)
1、CURRENT ROW
表示获取当前行记录，也就是边界是当前行，等值关系
mysql: ytt_80 > select id,r1,sum(r1) over(partition by id order by r1 asc range current row ) as wf_result from t1 where id = 1;
+------+------+-----------+
| id | r1 | wf_result |
+------+------+-----------+
| 1 | 1 | 1 |
| 1 | 2 | 2 |
| 1 | 3 | 3 |
| 1 | 9 | 9 |
| 1 | 10 | 10 |
| 1 | 15 | 15 |
+------+------+-----------+
6 rows in set (0.00 sec)
这里我们求 ID 为 1 的分组记录，基于聚合函数 SUM 来对分组内的行记录按照一定的条件求和。其中 OVER 子句用来定义分区以及相关条件，这里表示只获取分组内排序字段的当前行记录，也就是字段 r1 对应的记录，这是最简单的场景。
2、UNBOUNDED PRECEDING
表示边界永远为第一行
mysql: ytt_80 > select id,r1,sum(r1) over(partition by id order by r1 asc rows unbounded preceding ) as wf_result from t1 where id = 1;
+------+------+-----------+
| id | r1 | wf_result |
+------+------+-----------+
| 1 | 1 | 1 |
| 1 | 2 | 3 |
| 1 | 3 | 6 |
| 1 | 9 | 15 |
| 1 | 10 | 25 |
| 1 | 15 | 40 |
+------+------+-----------+
6 rows in set (0.00 sec)
以上 unbounded preceding 用来获取表 t1 按照字段 ID 来分组，并且对字段 r1 求和。由于都是以第一行，也就是 r1 = 1 为基础求和，也就是求取上一行和当前行相加的结果，基于第一行记录。 这个例子中 r1 字段的第一行记录为 1，后面的所有求和都是基于第一行来累加的结果。
3、unbounded following
表示边界永远为最后一行
mysql: ytt_80 > select id,r1,sum(r1) over(partition by id order by r1 asc rows between unbounded preceding and unbounded following ) as wf_result from t1 where id = 1;
+------+------+-----------+
| id | r1 | wf_result |
+------+------+-----------+
| 1 | 1 | 40 |
| 1 | 2 | 40 |
| 1 | 3 | 40 |
| 1 | 9 | 40 |
| 1 | 10 | 40 |
| 1 | 15 | 40 |
+------+------+-----------+
6 rows in set (0.00 sec)
以上用了 rows between 把边界局限在第一行和最后一行，这样每行的求和结果和不带边界一样，也就是下面查询：
mysql: ytt_80 > select id,r1,sum(r1) over() as wf_result from t1 where id = 1;
+------+------+-----------+
| id | r1 | wf_result |
+------+------+-----------+
| 1 | 1 | 40 |
| 1 | 2 | 40 |
| 1 | 3 | 40 |
| 1 | 10 | 40 |
| 1 | 15 | 40 |
| 1 | 9 | 40 |
+------+------+-----------+
6 rows in set (0.00 sec)
4、expr preceding / following
带表达式的边界，
mysql: ytt_80 > select id,r1,sum(r1) over(partition by id order by r1 asc rows 1 preceding) as wf_result from t1 where id = 1;
+------+------+-----------+
| id | r1 | wf_result |
+------+------+-----------+
| 1 | 1 | 1 |
| 1 | 2 | 3 |
| 1 | 3 | 5 |
| 1 | 9 | 12 |
| 1 | 10 | 19 |
| 1 | 15 | 25 |
+------+------+-----------+
6 rows in set (0.00 sec)
带表达式的边界只是把无边界换成 具体的行号。 上面的查询表达的意思是基于分组内每行记录和它上一条记录求和，不累加。可以看到 wf_result 的具体值，25 对应的是 10 和 15 求和，19 对应的是 9 和 10 求和。
那以此类推，求每行和它上面两行的和：
mysql: ytt_80 > select id,r1,sum(r1) over(partition by id order by r1 asc rows 2 preceding) as wf_result from t1 where id = 1;
+------+------+-----------+
| id | r1 | wf_result |
+------+------+-----------+
| 1 | 1 | 1 |
| 1 | 2 | 3 |
| 1 | 3 | 6 |
| 1 | 9 | 14 |
| 1 | 10 | 22 |
| 1 | 15 | 34 |
+------+------+-----------+
6 rows in set (0.00 sec)
再来求每行的前两行和后面四行相加的结果：
mysql: ytt_80 > select id,r1,sum(r1) over(partition by id order by r1 asc rows between 2 preceding and 4 following)
as wf_result from t1 where id = 1;
+------+------+-----------+
| id | r1 | wf_result |
+------+------+-----------+
| 1 | 1 | 25 |
| 1 | 2 | 40 |
| 1 | 3 | 40 |
| 1 | 9 | 39 |
| 1 | 10 | 37 |
| 1 | 15 | 34 |
+------+------+-----------+
6 rows in set (0.00 sec)
其实 rows 单元很简单，接下来看下 range ，range 稍微难理解些。
5、range preceding / following
求当前行值范围内的分组记录。 这个没有 rows 好理解，rows 对应的是行号，range 对应的行值。看下面例子：
mysql: ytt_80 > select id,r1,sum(r1) over(partition by id order by r1 asc range 1 preceding) as wf_result from t1 where id = 1;
+------+------+-----------+
| id | r1 | wf_result |
+------+------+-----------+
| 1 | 1 | 1 |
| 1 | 2 | 3 |
| 1 | 3 | 5 |
| 1 | 9 | 9 |
| 1 | 10 | 19 |
| 1 | 15 | 15 |
+------+------+-----------+
6 rows in set (0.00 sec)
这个例子包含的关键词 range 1 preceding ，是个表达式条件，表示对于分组内每一行来讲：以字段 r1 当前行值减去1的结果为边界来求和。具体点就是：第一行，r1 的值为 1，那 1-1=0， 由于表 t1 里没有找到 r1 = 0 的结果，所以此时 wf_result = 1，也就是等于当前行值；对于第五行，由于 r1 对应的值为 10 , 10 - 1 = 9 ,表 t1 里 r1 = 9 是存在的，此时求和结果为 9 + 10 = 19。
再次带上范围来看下另外一个例子：
mysql: ytt_80 > select id,r1,sum(r1) over(partition by id order by r1 asc range between 1 preceding and 1 following) as wf_result from t1 where id = 1;
+------+------+-----------+
| id | r1 | wf_result |
+------+------+-----------+
| 1 | 1 | 3 |
| 1 | 2 | 6 |
| 1 | 3 | 5 |
| 1 | 9 | 19 |
| 1 | 10 | 19 |
| 1 | 15 | 15 |
+------+------+-----------+
6 rows in set (0.00 sec)
这个例子 over 子句里指定一个边界范围，也就是对每行值减1和加1后对应的记录来求和。比如第一行：r1 = 1,1 -1 =0,1+1 =2，表 t1 没有 r1 = 0 的记录，但是有 r1 = 2 的记录，所以第一行的窗口求和结果为 3；再来看看 r1 = 10 的这行，10-1 = 9,10+1 = 11， 表 t1 里有 r1 = 9 的记录，没有 r1 = 11 的记录，所以这里的求和结果为 9+10=19.
这里举例说明了 MySQL 8.0 窗口函数 frame 子句的用法，可能使用场景比较稀少，不过可以收藏起来以备不时之需。
网友评论