当前位置:

首页 > 编程开发 > 怎么用MySQL窗口函数实现榜单排名

怎么用MySQL窗口函数实现榜单排名

首先,先建一个测试表createtablepraise_record(idbigintprimarykeyauto_increment,namevarchar(10),praise_numint)ENGINE=InnoDB;然后让chatGpt给我们生成几条测试数据INSERTINTOpraise_record(name,praise_num)VALUES('John',5);INSERTINTOpraise_record(name,praise_num)VALUES('Jane&

本文目录

    首先,先建一个测试表

    create table praise_record(
        id bigint primary key auto_increment,
        name varchar(10),
        praise_num int
    ) ENGINE=InnoDB;

    然后让chatGpt给我们生成几条测试数据

    INSERT INTO praise_record (name, praise_num) VALUES ('John', 5);
    INSERT INTO praise_record (name, praise_num) VALUES ('Jane', 3);
    INSERT INTO praise_record (name, praise_num) VALUES ('Bob', 10);
    INSERT INTO praise_record (name, praise_num) VALUES ('Alice', 3);
    INSERT INTO praise_record (name, praise_num) VALUES ('David', 7);
    INSERT INTO praise_record (name, praise_num) VALUES ('oct', 7);

    然后就可以开始实现我们的需求:返回点赞的榜单,并返回排名

    rank()

    使用rank()函数返回点赞的榜单, rank() over()

    ## 注意这里返回的rank字段要用反引号包起来
    select name, praise_num, rank() over (order by praise_num desc) as `rank` from praise_record;
    +-------+------------+------+
    | name  | praise_num | rank |
    +-------+------------+------+
    | Bob   |         10 |    1 |
    | David |          7 |    2 |
    | oct   |          7 |    2 |
    | John  |          5 |    4 |
    | Jane  |          3 |    5 |
    | Alice |          3 |    5 |
    +-------+------------+------+

    可以看到使用rank()函数的时候相同的点赞数会返回相同的排名,排名会产生跳跃,最终的排名不是连续的

    dense_rank()

    使用dense_rank()函数返回点赞的榜单, dense_rank() over()

     select name, praise_num, dense_rank() over (order by praise_num desc) as `rank` from praise_record;
     
     +-------+------------+------+
    | name  | praise_num | rank |
    +-------+------------+------+
    | Bob   |         10 |    1 |
    | David |          7 |    2 |
    | oct   |          7 |    2 |
    | John  |          5 |    3 |
    | Jane  |          3 |    4 |
    | Alice |          3 |    4 |
    +-------+------------+------+

    与rank()函数相同的是,相同点赞数会返回相同的排名,但是dense_rank()返回的最终排名是连续的排名

    row_number()

    row_number()函数返回点赞的榜单,row_number() over()

     select name, praise_num, row_number() over (order by praise_num desc) as `rank` from praise_record;
     +-------+------------+------+
    | name  | praise_num | rank |
    +-------+------------+------+
    | Bob   |         10 |    1 |
    | David |          7 |    2 |
    | oct   |          7 |    3 |
    | John  |          5 |    4 |
    | Jane  |          3 |    5 |
    | Alice |          3 |    6 |
    +-------+------------+------+

    row_number()函数适合当返回的列表只需要序号时使用

    以上三个函数都是MySQL8.0新加入的,所以在MySQL5.7这些老版本上我们可以模拟实现一下,顺便学习一下这三个窗口函数的实现原理

    rank()函数的模拟实现

    select p1.name, p1.praise_num, count(p2.praise_num) + 1 as `rank` from praise_record p1
    left join praise_record p2 on p1.praise_num < p2.praise_num
    group by p1.name, p1.praise_num
    order by `rank`;
    +-------+------------+------+
    | name  | praise_num | rank |
    +-------+------------+------+
    | Bob   |         10 |    1 |
    | David |          7 |    2 |
    | oct   |          7 |    2 |
    | John  |          5 |    4 |
    | Jane  |          3 |    5 |
    | Alice |          3 |    5 |
    +-------+------------+------+

    我们可以使用自联接的方式将每个分数低于当前行分数的记录计数,最后将计数值加1作为当前行的排名,来模拟实现rank()

    dense_rank()的模拟实现

    select p1.name, p1.praise_num, count(distinct p2.praise_num) + 1 as `dense_rank` from praise_record p1
    left join praise_record p2 on p1.praise_num < p2.praise_num
    group by p1.name, p1.praise_num
    order by `dense_rank`;
    +-------+------------+------------+
    | name  | praise_num | dense_rank |
    +-------+------------+------------+
    | Bob   |         10 |          1 |
    | oct   |          7 |          2 |
    | David |          7 |          2 |
    | John  |          5 |          3 |
    | Jane  |          3 |          4 |
    | Alice |          3 |          4 |
    +-------+------------+------------+

    dense_rank的实现与rank差不多,唯一的区别是增加了distinct对点赞数做了去重,这样子对不同的点赞数返回的排名就是连续的

    row_number的模拟实现

    ##使用自定义变量得先初始化
    set @rowNum = 0;
    select name, praise_num, @rowNum := @rowNum +1 as `row_number`  from praise_record order by praise_num desc ;
    +-------+------------+------------+
    | name  | praise_num | row_number |
    +-------+------------+------------+
    | Bob   |         10 |          1 |
    | David |          7 |          2 |
    | oct   |          7 |          3 |
    | John  |          5 |          4 |
    | Jane  |          3 |          5 |
    | Alice |          3 |          6 |
    +-------+------------+------------+

    我们可以使用一个rowNum变量来记录行号,每一行的数据rowNUm都+1,这样子就可以得到我们想要的序号

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发 MySQL
    相关文章 更多
    navicat导入数据库步骤详解及常见问题处理教程
    navicat导入数据库步骤详解及常见问题处理教程

    详解Navicat导入数据库的标准步骤,涵盖SQL脚本执行与CSV数据导入两种核心场景。针对导入过程中常见的字符集乱码、主键冲突及外键约束错误,提供具体的设置方法与修复建议,确保数据迁移准确无误。

    SQL主键约束和唯一约束有什么区别
    SQL主键约束和唯一约束有什么区别

    深入理解SQL PRIMARY KEY与UNIQUE约束的区别。文章从行标识与重复限制的目标出发,详解主键的非空特性、外键引用角色以及多数据库对NULL值的处理差异。结合users表实战示例,指导开发者如何根据字段稳定性与业务语义合理选择约束类型,避免设计误区。

    SQL约束有哪些类型及作用
    SQL约束有哪些类型及作用

    刚开始设计关系型数据库?了解PRIMARY KEY、FOREIGN KEY、UNIQUE、NOT NULL、CHECK、DEFAULT等约束的作用、语法和排错方法。本文以PostgreSQL语法为主,结合用户订单场景,清晰展示如何防止脏数据并处理常见约束冲突。

    SQL游标常见错误排查:死锁与资源未释放问题
    SQL游标常见错误排查:死锁与资源未释放问题

    深入解析SQL游标导致的死锁与资源未释放问题。通过PostgreSQL与MySQL语法对比,展示如何识别长事务持锁、分析锁等待链,并提供短事务提交、异常清理及批量处理的最佳实践,确保数据库连接与锁资源及时释放。

    SQL中怎么创建和删除约束
    SQL中怎么创建和删除约束

    后端开发者在维护数据库时,常需对现有表添加主键、唯一或外键约束。若直接执行ADD CONSTRAINT,往往因存量数据不合规导致报错。本文详解操作前的数据清洗步骤、标准SQL语法及MySQL等特殊写法,帮助你在生产环境安全完成结构变更。

    SQL分组统计查询:GROUP BY与HAVING子句用法示例
    SQL分组统计查询:GROUP BY与HAVING子句用法示例

    针对 SQL 初学者的分组统计实战指南。深入解析 GROUP BY 分组机制、WHERE 与 HAVING 的执行时机差异,以及 COUNT 函数对 NULL 值的处理逻辑。通过具体代码示例演示如何正确筛选聚合结果,并排查因 JOIN 连接导致的统计数据异常,提升报表准确性。

    SQL Server与MySQL游标基本语法及完整代码示例
    SQL Server与MySQL游标基本语法及完整代码示例

    本文详细对比SQL Server和MySQL中游标的基本用法。从DECLARE声明到FETCH遍历,再到CLOSE关闭与DEALLOCATE/Handler清理,解析两者在语法结构、变量接收及异常处理上的核心差异。通过标准代码示例展示如何安全使用游标,避免资源泄漏,适用于需要进行数据库存储过程开发或跨平台迁移的开发者。

    SQL多表连接区别:INNER JOIN与LEFT JOIN的使用场景
    SQL多表连接区别:INNER JOIN与LEFT JOIN的使用场景

    深入解析SQL中INNER JOIN与LEFT JOIN的核心区别。通过users和orders表实例,展示匹配行保留与NULL补位机制,重点讲解ON与WHERE子句中放置右表过滤条件的不同后果,提供防止LEFT JOIN退化的实战技巧及行数异常排查步骤。

    SQL CHECK约束的用法与取值范围限制
    SQL CHECK约束的用法与取值范围限制

    深入理解 SQL CHECK 约束在 PostgreSQL、MySQL 等数据库中的实现差异。文章通过订单业务场景,讲解如何定义单列范围与多列逻辑约束,分析 NULL 值对布尔条件的影响,并提供修改已有表结构时的安全操作建议,帮助开发者构建更健壮的数据完整性防线。

    SQL外键约束怎么用及级联操作说明
    SQL外键约束怎么用及级联操作说明

    后端开发中,如何正确使用 SQL 外键约束来维护订单与明细表的关系?本文通过 PostgreSQL 示例,深入讲解外键的创建语法、插入顺序要求,以及 ON DELETE CASCADE、RESTRICT、SET NULL 等策略的实际影响与风险控制,助你构建健壮的数据库结构。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。