在数据分析场景里，滚动汇总和移动平均是最常用的时序计算方式。借助SQL中的窗口函数，我们不必再写复杂的自连接，只需要在聚合函数后加上over子句并定义滑动窗口，就能算出每一行对应的区间合计或均值。
什么是窗口函数中的滑动框架
窗口函数通过over(partition by 列 order by 列)确定计算范围。若要计算移动平均，还要用rows between来声明当前行的前后边界。例如rows between 2 preceding and current row表示包含当前行及前 two 行。
移动平均的实现示例
假设有每日销售额表daily_sales，字段为sale_date和amount，下面查询计算最近三天的移动平均：
select
sale_date,
amount,
avg(amount) over (
order by sale_date
rows between 2 preceding and current row
) as moving_avg_3d
from daily_sales
order by sale_date;
上述代码中，avg函数不再对整个表求和，而是按sale_date排序后，在每个当前行往前取两行做平均。若前面不足两行，则按实际行数计算。
滚动汇总写法
把avg换成sum即可得到滚动合计，例如最近七天的销售额汇总：
select
sale_date,
sum(amount) over (
order by sale_date
rows between 6 preceding and current row
) as sum_7d
from daily_sales
order by sale_date;
常见注意点
- order by是滑动窗口必须的条件，否则数据库无法确认行的前后顺序。
- 使用rows between时边界用preceding表示往前，following表示往后，unbounded preceding指开头。
- 如果按某个维度分组统计，可加上partition by customer_id之类的子句。
与自连接写法对比
| 方式 | 可读性 | 性能 |
|---|---|---|
| 自连接 | 差 | 随数据量下降明显 |
| 窗口函数 | 好 | 多数数据库有优化 |
可以看出，利用窗口函数计算移动平均和滚动汇总，既容易理解，也更容易被查询优化器处理。掌握over与rows between的组合，是写高效SQL的重要一步。