在数据分析场景中，我们经常需要针对某个分组（例如每个门店、每个用户）计算最近一段时间内的平均值，这种需求被称为移动平均或滚动平均。传统做法可能通过自连接或者相关子查询实现，不仅语句冗长，而且执行效率偏低。现代SQL提供的窗口函数允许我们在保留明细行的同时，对分组内的行集合做聚合计算，其中AVG函数结合OVER子句中的PARTITION BY与ROWS范围限定，是处理分组移动平均最直接的方式。
一、窗口函数与移动平均的基本原理
窗口函数与普通聚合函数最大的区别在于，它不会将多行压缩成一行，而是为每一行返回一个基于“窗口”计算结果的值。所谓窗口，就是当前行所处的一个行集合，我们可以通过PARTITION BY将其按字段分组，再通过ORDER BY定义组内顺序，最后用ROWS或RANGE指定窗口的物理或逻辑边界。
在计算移动平均时，ROWS BETWEEN N PRECEDING AND CURRENT ROW 是最常用的写法。它的含义是：对于组内的每一行，取其前面N行到当前行这个范围，对这个范围内的数值列求平均。由于窗口是在每个PARTITION内部独立滑动的，因此天然实现了分组数据的移动平均，而不需要手写复杂的JOIN条件。
1.1 核心语法结构
一个典型的AVG窗口函数语句如下。PARTITION BY dept_id表示按部门分组，ORDER BY sale_date确定组内按日期排序，ROWS BETWEEN 2 PRECEDING AND CURRENT ROW表示取当前行及前两行（共三行）求平均。
SELECT
dept_id,
sale_date,
amount,
AVG(amount) OVER (
PARTITION BY dept_id
ORDER BY sale_date
ROWS BETWEEN 2 PRECEDING AND CURRENT ROW
) AS moving_avg_3
FROM sales;
上述代码中，如果某部门前两天的数据不足（例如第一行只有自己，第二行只有自己及前一行），数据库会自动按实际存在的行数计算平均，不会报错。这种特性使得移动平均逻辑非常健壮，不需要额外处理边界情况。
二、ROWS与RANGE的区别及注意事项
在指定窗口范围时，SQL标准提供了ROWS和RANGE两种模式。ROWS是基于物理行偏移，例如ROWS BETWEEN 2 PRECEDING AND CURRENT ROW严格指向当前行之前的两条记录；而RANGE通常基于ORDER BY列的值区间，在存在相同排序值时会把并列行都纳入窗口，可能导致行数不可控。因此计算分组移动平均值时，优先使用ROWS能确保结果符合“最近N条记录”的预期。
另外需要注意，在部分旧版本数据库中，如果ORDER BY后的列存在NULL值，排序行为可能不稳定，从而影响滑动窗口的内容。建议在排序字段上增加主键或唯一列作为辅助排序，保证组内顺序唯一确定。
2.1 不同数据库的兼容写法
主流关系型数据库如 PostgreSQL、MySQL 8.0+、SQL Server 均支持上述ROWS语法。以下示例展示了在MySQL中建表并验证分组移动平均的完整过程：
CREATE TABLE sales (
dept_id INT,
sale_date DATE,
amount DECIMAL(10,2)
);
INSERT INTO sales VALUES
(1, '2023-01-01', 100.00),
(1, '2023-01-02', 150.00),
(1, '2023-01-03', 200.00),
(1, '2023-01-04', 50.00),
(2, '2023-01-01', 80.00),
(2, '2023-01-02', 120.00);
SELECT
dept_id,
sale_date,
amount,
AVG(amount) OVER (
PARTITION BY dept_id
ORDER BY sale_date
ROWS BETWEEN 2 PRECEDING AND CURRENT ROW
) AS moving_avg_3
FROM sales;
执行后，dept_id为1的第四行（2023-01-04）的moving_avg_3将是150、200、50三天的平均，即133.33，而第一行仅为100.00自身。这清楚地体现了分组内滑动窗口的独立性与连续性。
三、实际业务中的扩展用法
除了最简单的“前N行到当前行”，我们还可以定义居中窗口，例如ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING计算前后各一行加自身的均值，适用于平滑时序曲线。若要结合时间跨度而非行数，可改用RANGE并配合INTERVAL，但需数据库支持相应语法。
在性能方面，窗口函数通常由数据库优化器一次性完成分组与排序，相比自连接少了重复扫描。对于大数据量，建议在PARTITION BY和ORDER BY涉及的列上建立复合索引，这样能显著减少排序阶段的临时文件读写，提高移动平均查询的响应速度。
3.1 与子查询方案的对比
若不使用窗口函数，我们可能写出如下相关子查询来计算同部门前三日均价：
SELECT
s1.dept_id,
s1.sale_date,
s1.amount,
(SELECT AVG(s2.amount)
FROM sales s2
WHERE s2.dept_id = s1.dept_id
AND s2.sale_date <= s1.sale_date
AND s2.sale_date >= DATE_SUB(s1.sale_date, INTERVAL 2 DAY)
) AS moving_avg_3
FROM sales s1;
该写法在每行都要执行一次子查询，且日期区间依赖具体时间类型，当数据缺失日期时容易漏算。而窗口函数ROWS方案以行数为基准，逻辑更直观，也更容易修改为任意N行窗口。因此在支持窗口函数的环境中，应优先采用AVG加ROWS的写法来处理分组移动平均需求。