在数据处理和分析中，我们经常会遇到「分组排序」「取每组 Top N」「标记组内最新记录」等需求。比如 “按部门分组，给每个部门的员工按薪资排序”“获取每个商品的最新订单”，这类场景如果用传统的 GROUP BY 很难实现，而 SQL 中的窗口函数 ROW_NUMBER() OVER (PARTITION BY ...) 正是解决这类问题的 “利器”。
本文将从原理、语法、实战三个维度，带你彻底搞懂 PARTITION BY 的核心逻辑，让你在实际工作中灵活运用窗口函数。
一、先明确：ROW_NUMBER () OVER (PARTITION BY) 是什么？
ROW_NUMBER() OVER (PARTITION BY ...) 是 SQL 标准中的窗口函数（也叫分析函数），核心作用是：
- 按指定字段（
PARTITION BY后的字段）对数据进行「分组」，把数据拆分成多个独立的 “窗口”； - 在每个窗口内，按指定规则（
ORDER BY后的字段）排序； - 给每个窗口内的每条记录分配一个唯一的连续序号（从 1 开始，不重复）。
简单说：PARTITION BY 负责 “分组”，ORDER BY 负责 “组内排序”，ROW_NUMBER() 负责 “给组内记录编序号”。
核心语法结构
ROW_NUMBER() OVER (
PARTITION BY 分组字段1, 分组字段2 -- 可选：按1个或多个字段分组，组内独立计算
ORDER BY 排序字段1 DESC/ASC, 排序字段2 -- 必选：组内按1个或多个字段排序（决定序号顺序）
) AS 序号列名
二、PARTITION BY 核心原理：“分组独立计算，序号各自归零”
很多人会把 PARTITION BY 和 GROUP BY 混淆，但二者的核心逻辑完全不同：
GROUP BY：是「聚合」，会把同一组的多条记录合并成一条（比如SUM()求和、MAX()取最大值）；PARTITION BY：是「分组不聚合」，只是把数据按规则拆分成多个 “独立窗口”，每个窗口内的记录依然保留，序号仅在窗口内有效。
原理拆解：3 个关键步骤
- 数据分组：根据
PARTITION BY后的字段，将整个数据集拆分成 N 个互不重叠的 “窗口”。比如按部门ID分组，每个部门就是一个独立窗口； - 组内排序：对每个窗口内的记录，按
ORDER BY后的字段排序（升序ASC或降序DESC）； - 序号分配：在每个窗口内，从 1 开始给排序后的记录分配连续序号，每个窗口的序号独立归零，且序号不重复（即使排序字段值相同，也会分配不同序号）。
直观对比：PARTITION BY vs GROUP BY
假设我们有一张 employee 表：
| 员工 ID (emp_id) | 部门 (department) | 薪资 (salary) | 入职时间 (hire_date) |
|---|---|---|---|
| 1 | 技术部 | 15000 | 2023-01-10 |
| 2 | 技术部 | 12000 | 2023-03-15 |
| 3 | 市场部 | 10000 | 2023-02-20 |
| 4 | 市场部 | 13000 | 2023-01-25 |
用 GROUP BY 按部门查最高薪资：
SELECT department, MAX(salary) AS max_salary FROM employee GROUP BY department;
结果（聚合后每组只剩 1 条）：
| department | max_salary |
|---|---|
| 技术部 | 15000 |
| 市场部 | 13000 |
用 PARTITION BY 按部门分组排序：
SELECT
emp_id,
department,
salary,
ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC) AS dept_salary_rank
FROM employee;
结果（分组不聚合，保留所有记录，组内序号独立）：
| emp_id | department | salary | dept_salary_rank |
|---|---|---|---|
| 1 | 技术部 | 15000 | 1 |
| 2 | 技术部 | 12000 | 2 |
| 4 | 市场部 | 13000 | 1 |
| 3 | 市场部 | 10000 | 2 |
从结果能清晰看到：PARTITION BY 没有合并记录，只是给每个部门内部的员工按薪资排序编序号，两个部门的序号都从 1 开始。
三、3 个实战案例：覆盖 90% 工作场景
理论结合实践才是掌握的关键，下面通过 3 个高频场景，带你吃透 PARTITION BY 的用法。
案例 1：取每组的最新记录（最常用）
需求：有一张 order 订单表，获取每个商品（product_id）的最新订单记录（按 create_time 倒序）。
订单表 order 数据：
| 订单 ID (order_id) | 商品 ID (product_id) | 订单金额 (amount) | 创建时间 (create_time) |
|---|---|---|---|
| 1001 | 101 | 299 | 2025-11-20 14:30:00 |
| 1002 | 101 | 399 | 2025-11-21 10:15:00 |
| 1003 | 102 | 199 | 2025-11-20 09:20:00 |
| 1004 | 102 | 299 | 2025-11-21 15:40:00 |
SQL 实现：
WITH product_order_rank AS (
SELECT
order_id,
product_id,
amount,
create_time,
-- 按商品ID分组，组内按创建时间倒序排序（最新的排前面）
ROW_NUMBER() OVER (
PARTITION BY product_id
ORDER BY create_time DESC
) AS order_rank
FROM `order`
)
-- 取每组序号为1的记录（即最新订单）
SELECT * FROM product_order_rank WHERE order_rank = 1;
结果：
| order_id | product_id | amount | create_time | order_rank |
|---|---|---|---|---|
| 1002 | 101 | 399 | 2025-11-21 10:15:00 | 1 |
| 1004 | 102 | 299 | 2025-11-21 15:40:00 | 1 |
案例 2：取每组的 Top N 记录
需求：按「学科」分组，取每个学科成绩前 2 名的学生（按 score 倒序）。
学生成绩表 student_score 数据：
| 学生 ID (student_id) | 姓名 (name) | 学科 (subject) | 成绩 (score) |
|---|---|---|---|
| 1 | 张三 | 数学 | 95 |
| 2 | 李四 | 数学 | 92 |
| 3 | 王五 | 数学 | 88 |
| 4 | 赵六 | 语文 | 93 |
| 5 | 孙七 | 语文 | 90 |
| 6 | 周八 | 语文 | 85 |
SQL 实现：
WITH subject_score_rank AS (
SELECT
student_id,
name,
subject,
score,
-- 按学科分组，组内按成绩降序排序
ROW_NUMBER() OVER (
PARTITION BY subject
ORDER BY score DESC
) AS score_rank
FROM student_score
)
-- 取每个学科前2名（score_rank <= 2）
SELECT * FROM subject_score_rank WHERE score_rank <= 2;
结果：
| student_id | name | subject | score | score_rank |
|---|---|---|---|---|
| 1 | 张三 | 数学 | 95 | 1 |
| 2 | 李四 | 数学 | 92 | 2 |
| 4 | 赵六 | 语文 | 93 | 1 |
| 5 | 孙七 | 语文 | 90 | 2 |
案例 3：多字段分组 + 多字段排序
需求：按「部门 + 岗位」分组，每个分组内按「薪资降序→入职时间升序」排序，给员工编序号（薪资相同则入职早的排前面）。
员工表 employee 扩展数据：
| 员工 ID (emp_id) | 部门 (department) | 岗位 (position) | 薪资 (salary) | 入职时间 (hire_date) |
|---|---|---|---|---|
| 1 | 技术部 | 后端开发 | 15000 | 2023-01-10 |
| 2 | 技术部 | 后端开发 | 15000 | 2022-12-05 |
| 3 | 技术部 | 前端开发 | 13000 | 2023-03-15 |
| 4 | 市场部 | 运营 | 10000 | 2023-02-20 |
| 5 | 市场部 | 运营 | 11000 | 2023-01-25 |
SQL 实现：
SELECT
emp_id,
department,
position,
salary,
hire_date,
-- 多字段分组（部门+岗位），多字段排序（薪资降序→入职时间升序）
ROW_NUMBER() OVER (
PARTITION BY department, position
ORDER BY salary DESC, hire_date ASC
) AS pos_salary_rank
FROM employee;
结果：
| emp_id | department | position | salary | hire_date | pos_salary_rank |
|---|---|---|---|---|---|
| 2 | 技术部 | 后端开发 | 15000 | 2022-12-05 | 1 |
| 1 | 技术部 | 后端开发 | 15000 | 2023-01-10 | 2 |
| 3 | 技术部 | 前端开发 | 13000 | 2023-03-15 | 1 |
| 5 | 市场部 | 运营 | 11000 | 2023-01-25 | 1 |
| 4 | 市场部 | 运营 | 10000 | 2023-02-20 | 2 |
👉 关键说明：员工 1 和 2 薪资相同，但员工 2 入职更早，所以序号为 1，体现了多字段排序的优先级。
四、常见误区与注意事项
ORDER BY是必选的：ROW_NUMBER()必须配合ORDER BY使用，否则序号分配无意义（数据库会随机分配序号）；- 序号不重复且连续：即使组内排序字段值相同，
ROW_NUMBER()也会分配不同序号（如果需要相同值序号相同，可改用RANK()或DENSE_RANK()）； - 多字段分组 / 排序：
PARTITION BY和ORDER BY都支持多个字段，用逗号分隔，按顺序生效； - 与聚合函数的区别：
PARTITION BY是 “分组不聚合”，保留原始记录；GROUP BY是 “分组聚合”，合并记录，二者不可混淆。
五、总结
ROW_NUMBER() OVER (PARTITION BY ...) 的核心价值在于「分组排序不聚合」，它解决了传统 GROUP BY 无法实现的 “组内精细排序” 需求。
记住三个关键词：
- 分组：
PARTITION BY把数据拆分成独立窗口； - 排序：
ORDER BY决定窗口内记录的顺序； - 编序：
ROW_NUMBER()给窗口内记录分配唯一连续序号。
