在业务数据分析过程中，经常需要识别数值出现明显波动的记录，比如监控服务器CPU使用率突增、电商订单量骤降等场景，都需要快速定位数值波动的行。使用SQL的LAG窗口函数配合差值绝对值计算，可以高效完成这个需求，不需要复杂的表关联操作。
LAG函数的基本用法
LAG是SQL中的窗口函数，作用是获取当前行之前指定偏移量的行的列值，语法格式如下：
-- LAG函数基本语法 LAG(列名, 偏移量, 默认值) OVER (PARTITION BY 分组列 ORDER BY 排序列) AS 别名
其中偏移量表示往前取第几行，默认值为1，也就是取前一行；如果前序行不存在，会返回设置的默认值，不设置则默认返回NULL。PARTITION BY是可选的分组条件，ORDER BY是排序规则，这两个参数决定了前序行的定位逻辑。
差值绝对值计算逻辑
要找出数值波动的行，核心逻辑是计算当前行数值和前序行数值的差值，再取绝对值，判断这个绝对值是否超过设定的波动阈值。差值绝对值的计算直接使用SQL的ABS函数即可，示例如下：
-- 计算当前值和前序值的差值绝对值 ABS(当前值列 - LAG(当前值列, 1) OVER (ORDER BY 排序列)) AS 波动差值
完整实现示例
假设我们有一张服务器监控表server_monitor，存储了每分钟的CPU使用率数据，表结构如下：
| 字段名 | 类型 | 说明 |
|---|---|---|
| monitor_time | datetime | 监控时间 |
| cpu_usage | decimal | CPU使用率，范围0-100 |
现在需要找出CPU使用率波动超过5%的记录，也就是当前分钟和前一分钟的CPU使用率差值绝对值大于5的行，完整SQL如下：
-- 找出CPU使用率波动超过5%的记录
SELECT
monitor_time,
cpu_usage,
pre_cpu_usage,
diff_value
FROM (
SELECT
monitor_time,
cpu_usage,
-- 获取前一行的CPU使用率，没有前序行则返回0
LAG(cpu_usage, 1, 0) OVER (ORDER BY monitor_time) AS pre_cpu_usage,
-- 计算差值绝对值
ABS(cpu_usage - LAG(cpu_usage, 1, 0) OVER (ORDER BY monitor_time)) AS diff_value
FROM server_monitor
) t
-- 筛选波动超过5%的记录
WHERE diff_value > 5
ORDER BY monitor_time;
注意事项
- 如果数据需要按不同维度分组计算波动，比如不同服务器的CPU波动，需要在LAG函数的OVER子句中添加PARTITION BY server_id，按服务器分组后再取前序行。
- 如果排序字段存在重复值，LAG函数取的前序行可能不符合预期，需要确保ORDER BY的排序规则能唯一确定行的顺序，必要时可以添加第二排序字段。
- 第一行的记录没有前序行，LAG函数会返回设置的默认值，上面的示例中默认返回0，所以第一行的波动差值就是当前CPU使用率，需要根据实际业务判断是否保留第一行的记录。
性能优势
相比传统的自关联写法，使用LAG函数的方式不需要对表进行自连接，减少了表的扫描次数，在数据量较大的时候执行效率会明显更高。同时代码逻辑更简洁，可读性和可维护性也更好，适合在各类波动分析场景中推广使用。