SQL中UNBOUNDED PRECEDING如何定义窗口起点？

对于刚开始接触窗口函数的朋友来说，`UNBOUNDED PRECEDING` 这个概念确实容易让人有点困惑。它到底是个什么东西？真的能“从起点开始”吗？ 先聊第一个问题。`UNBOUNDED PRECEDING` 不是指整个表物理上的第一行，而是指当前这个窗口框架（frame）在逻辑上能回溯到的最远边界。它的起点在哪里，完全由 `ORDER BY` 子句和分区（`PARTITION BY`）共同决定。没写 `PARTITION BY` 的话，那它回看的就是整个表；写了，就只看当前分区内部，从该分区排好序的第一行算起。 一个很常见的误解是，只要加了 `UNBOUNDED PRECEDING`，窗口就会自动累积所有的历史数据。结果跑出来一看，发现根本没累加起来，问题多半就出在漏写了 `ORDER BY`。按照 SQL 标准，如果没写 `ORDER BY`，窗口帧的默认定义是 `ROWS BETWEEN CURRENT ROW AND CURRENT ROW`，这时候 `UNBOUNDED PRECEDING` 其实是不起作用的。 所以这里有几个关键点需要记住： * **必须搭配 `ORDER BY`**：这是激活帧定义的前提，缺了它就没法用。 * **分区的影响**：如果用了 `PARTITION BY order_date`，那 `UNBOUNDED PRECEDING` 的“起点”就是该 `order_date` 分区内排好序的第一行。 * **兼容性**：PostgreSQL、Snowflake、BigQuery、Spark SQL 都支持；MySQL 8.0+ 开始支持，5.7 不行。

怎么写一个真正从分区首行累加的 SUM 窗口？

再来看看一个典型的场景：按用户分组，按时间排序，计算每个订单的累计金额。写对的关键不只是写上 `UNBOUNDED PRECEDING`，而是整个帧子句要写完整：

SELECT
  user_id,
  order_time,
  amount,
  SUM(amount) OVER (
    PARTITION BY user_id 
    ORDER BY order_time 
    ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
  ) AS cumsum
FROM orders;

这里需要留意三点： 1. **`ROWS BETWEEN ...` 要显式写出来**：有些数据库方言（比如 BigQuery）允许省略 `ROWS`，但语义可能会降级为 `RANGE`，导致重复值被合并计算，结果就不对了。 2. **`ORDER BY` 决定了“首行”是谁**：如果 `order_time` 有重复值，建议加个二级排序（比如 `ORDER BY order_time, order_id`），避免得到不稳定的结果。 3. **用 `ROWS` 而不是 `RANGE`**：除非你确实需要把相同 `order_time` 的多行看作一个整体，否则 `RANGE` 会把它们捆在一起计算，很可能不符合我们期望的“逐行累加”逻辑。

为什么有时候 UNBOUNDED PRECEDING 像没起作用？

这种情况在实际开发中并不少见：SQL 能跑通，没报错，但算出来的 `cumsum` 列每行都只等于当前行的 `amount`，看起来就像没累加。通常逃不出下面几种情况： * **漏写 `ORDER BY`**：这是最常见的硬性错误，写了对窗口函数的理解还是不够深刻，少了它就退化为单行窗口。 * **误写成 `RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW`**：如果这时 `ORDER BY` 列恰好有重复值（比如多个订单在同一秒下单），`RANGE` 会把它们全部纳入当前帧，结果就和预期不一样了。 * **数据库方言差异**：不同数据库的默认行为不同。比如 SQL Server 默认用 `RANGE`，而 PostgreSQL 默认用 `ROWS`。如果不显式声明 `ROWS`，换一个数据库执行，结果可能就变了。 * **分区粒度太细**：如果 `PARTITION BY` 分得特别细（比如按“分钟”级的时间分区），导致每个分区只有一两行数据，那 `UNBOUNDED PRECEDING` 的起点自然就近了，效果也就不明显了。

UNBOUNDED PRECEDING 和 MAX() / FIRST_VALUE() 搭配要注意什么？

`UNBOUNDED PRECEDING` 不只是给 `SUM()` 用的，但不同聚合函数对帧边界的敏感度差异不小： * `FIRST_VALUE(col) OVER (ORDER BY t ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW)`：这个组合确实总能返回当前分区中 `t` 最小值那一行的 `col` 值。 * `MAX(col) OVER (...)`：在 `UNBOUNDED PRECEDING` 下，它等价于“到当前行为止的最大值”。但如果用了 `RANGE` 且 `ORDER BY` 列有重复，结果可能会在你期望之前就触发了更新。 * `LAST_VALUE(col)` 配合 `UNBOUNDED PRECEDING`要格外小心：它的默认帧是 `CURRENT ROW`，要拿到分区的最后一行，必须显式写成 `ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING` 才行。 这里容易被忽略的一点是：帧定义一旦固定下来，就和聚合函数本身无关。`UNBOUNDED PRECEDING` 描述的是我们希望包含的行集合，而不是具体的计算逻辑。换了个函数，这个集合本身不会变；但这个集合是否合理，最终还是得看 `PARTITION BY` 和 `ORDER BY` 的配合是否妥当。