在进行数据排名分析时，我们经常需要了解某一行数据在整个数据集中的相对位置，而不仅仅是它在排序列表中的绝对次序。PERCENT_RANK() 和 CUME_DIST() 作为 SQL 窗口函数中的两个重要成员，分别从百分比排名和累积分布的角度提供了这种相对位置信息。它们虽然是 SQL 标准函数，但很多开发者对它们的具体差异和应用场景仍存在困惑。下面我们就来详细解析这两个函数的概念、语法，并通过实际例子展示它们在排名分析中的威力。
函数基础概念与语法
这两个函数都属于窗口函数，需要结合 OVER() 子句使用，并且通常需要配合 ORDER BY 来指定排序依据。
PERCENT_RANK()
此函数返回某一行在分区内的相对排名，计算公式为：(rank - 1) / (total_rows - 1)。其中 rank 是该行的 RANK() 值（相同值并列排名），total_rows 是分区内的总行数。返回结果的范围是 0 到 1 之间，包括 0 和 1。排名第一的行总是 0，最后一行总是 1（如果总行数大于 1）。
PERCENT_RANK() OVER (
[PARTITION BY partition_expression]
ORDER BY sort_expression
)
CUME_DIST()
该函数计算某一行在分区内的累积分布，即严格小于等于当前值的行数占总行数的比例。计算公式为：count(rows <= current_value) / total_rows。返回结果范围也是 0 到 1 之间，且最后一行的值一定为 1。注意它与 PERCENT_RANK 的区别：相同值会得到相同的 CUME_DIST，但计算基数不同。
CUME_DIST() OVER (
[PARTITION BY partition_expression]
ORDER BY sort_expression
)
核心区别对比
为了直观理解两者的差异，我们用一个简单的 5 行数据（假设没有并列）来对比：
| 值 | RANK() | PERCENT_RANK() | CUME_DIST() |
|---|---|---|---|
| 10 | 1 | 0.00 | 0.20 |
| 20 | 2 | 0.25 | 0.40 |
| 30 | 3 | 0.50 | 0.60 |
| 40 | 4 | 0.75 | 0.80 |
| 50 | 5 | 1.00 | 1.00 |
可以看到，PERCENT_RANK 的第一行永远是 0，最后一行永远是 1；而 CUME_DIST 的第一行则取决于行数（这里是 1/5=0.2），最后一行始终为 1。两者虽然取值范围相同，但语义不同：PERCENT_RANK 强调的是排名的百分比位置（比当前排名低的比例），而 CUME_DIST 强调的是累积概率（小于等于当前值的比例）。
实际应用场景
下面通过两个典型的业务场景来演示这两个函数如何使用。
场景一：学生考试成绩排名分析
假设我们有一个成绩表 exam_scores，包含学生姓名和分数。我们希望了解每个学生的成绩在整个年级中的相对位置，既要知道他的百分比排名，也要知道有多少比例的学生成绩小于等于他。
-- 建表及插入测试数据
CREATE TABLE exam_scores (
id INTEGER PRIMARY KEY,
student_name VARCHAR(50),
score DECIMAL(5,2)
);
INSERT INTO exam_scores VALUES
(1, '张三', 92),
(2, '李四', 85),
(3, '王五', 78),
(4, '赵六', 96),
(5, '陈七', 88),
(6, '周八', 91),
(7, '吴九', 73),
(8, '郑十', 99);
现在查询每个学生的成绩、RANK、PERCENT_RANK 和 CUME_DIST：
SELECT
student_name,
score,
RANK() OVER (ORDER BY score DESC) AS rk,
PERCENT_RANK() OVER (ORDER BY score DESC) AS pct_rank,
CUME_DIST() OVER (ORDER BY score DESC) AS cume_dist
FROM exam_scores
ORDER BY score DESC;
查询结果示例（基于上述数据）：
student_name | score | rk | pct_rank | cume_dist -------------+-------+----+---------------+----------- 郑十 | 99 | 1 | 0.000000 | 0.125000 赵六 | 96 | 2 | 0.142857 | 0.250000 张三 | 92 | 3 | 0.285714 | 0.375000 周八 | 91 | 4 | 0.428571 | 0.500000 陈七 | 88 | 5 | 0.571429 | 0.625000 李四 | 85 | 6 | 0.714286 | 0.750000 王五 | 78 | 7 | 0.857143 | 0.875000 吴九 | 73 | 8 | 1.000000 | 1.000000
解释一下：张三成绩 92 分，排名第 3（并列时会有变化，此处无并列）。PCT_RANK 为 0.285714，表示大约 28.6% 的人排名比他低（不包括他自己）；CUME_DIST 为 0.375，表示有 37.5% 的人成绩小于等于 92 分。两个值不同，反映的含义也不同。
场景二：销售业绩分部门排名
如果我们按部门分区，想了解每个销售代表的业绩在其部门内的相对位置。使用 PARTITION BY 子句即可。
CREATE TABLE sales (
emp_id INT,
dept_id INT,
amount DECIMAL(10,2)
);
INSERT INTO sales VALUES
(101, 1, 15000),
(102, 1, 22000),
(103, 1, 18000),
(201, 2, 25000),
(202, 2, 20000),
(203, 2, 23000),
(204, 2, 21000);
SELECT
dept_id,
emp_id,
amount,
PERCENT_RANK() OVER (PARTITION BY dept_id ORDER BY amount DESC) AS dept_pct_rank,
CUME_DIST() OVER (PARTITION BY dept_id ORDER BY amount DESC) AS dept_cume_dist
FROM sales
ORDER BY dept_id, amount DESC;
结果为我们揭示了每个部门内部业绩的百分比排名和累积分布情况，便于管理者识别绩优员工和需改进员工。
注意事项与常见误区
- 并列值的处理：两个函数对并列值的处理都基于 RANK 函数。PERCENT_RANK 会跳过排名间隙，而 CUME_DIST 对并列行赋予相同的累积概率值。例如，如果有两个并列第一名，PERCENT_RANK 会计算为 0，而 CUME_DIST 为 2/总行数。
- 空值处理：默认情况下，ORDER BY 中的空值会被视为最大值或最小值（依据数据库具体实现）。建议在使用前明确处理空值，或在查询中加入
NULLS LAST等子句。 - 性能：窗口函数需要对分区内数据排序，大量数据时可能影响性能。但相比手动计算排名再算比例，SQL 窗口函数更高效也更简洁。
- 不要混淆两者：在进行分位数划分时，通常使用 NTILE 函数而非 PERCENT_RANK；而 CUME_DIST 更适合用于累积分布图或统计检验。
总结
PERCENT_RANK() 和 CUME_DIST() 是 SQL 排名分析中非常实用的窗口函数。前者告诉你某个值在排序中的百分比排名（基于排名位置），后者告诉你小于等于该值的比例（基于行数累计）。理解它们的计算逻辑和语义差异，能够帮助你在数据探索、报表制作、统计学分析中做出更准确的判断。当你需要量化一个数值在群体中的相对位置时，这两个函数就是你的得力助手。
PERCENT_RANKCUME_DIST排名分析SQL窗口函数分布函数修改时间：2026-06-08 20:18:42