我搞不懂它们之间的区别。运行下面的SQL会得到两个相同的结果集。有人能解释一下其中的区别吗?
SELECT ID, [Description], RANK() OVER(PARTITION BY StyleID ORDER BY ID) as 'Rank' FROM SubStyle
SELECT ID, [Description], ROW_NUMBER() OVER(PARTITION BY StyleID ORDER BY ID) as 'RowNumber' FROM SubStyle
只有在分区中为特定排序值设置了关联时，才会看到差异。
在这种情况下，RANK和DENSE_RANK是确定的，对于排序列和分区列具有相同值的所有行最终将得到相同的结果，而ROW_NUMBER将任意(非确定地)将递增的结果分配给绑定的行。
示例:(所有行都有相同的StyleID，所以都在同一个分区中，在该分区中，前3行按ID排序时是绑定的)
WITH T(StyleID, ID)
AS (SELECT 1,1 UNION ALL
SELECT 1,1 UNION ALL
SELECT 1,1 UNION ALL
SELECT 1,2)
SELECT *,
RANK() OVER(PARTITION BY StyleID ORDER BY ID) AS [RANK],
ROW_NUMBER() OVER(PARTITION BY StyleID ORDER BY ID) AS [ROW_NUMBER],
DENSE_RANK() OVER(PARTITION BY StyleID ORDER BY ID) AS [DENSE_RANK]
FROM T
返回
StyleID ID RANK ROW_NUMBER DENSE_RANK
----------- -------- --------- --------------- ----------
1 1 1 1 1
1 1 1 2 1
1 1 1 3 1
1 2 4 4 2
您可以看到，对于三个相同的行，ROW_NUMBER增加，RANK值保持不变，然后跳到4。DENSE_RANK也将相同的秩赋给所有三行，但下一个不同的值被赋值为2。
相当多:
一行的秩是1加上前面一行的秩数。
Row_number是行的唯一秩，在秩上没有任何差距。
http://www.bidn.com/blogs/marcoadf/bidn-blog/379/ranking-functions-row_number-vs-rank-vs-dense_rank-vs-ntile
ROW_NUMBER:为以1开头的每一行返回一个唯一的数字。对于具有重复值的行，将任意分配数字。
Rank:为从1开始的每一行分配一个唯一的数字，但有重复值的行除外，在这种情况下，分配相同的排名，并且在每个重复排名的序列中出现一个空白。
本文将介绍ROW_NUMBER()和DENSE_RANK()之间的有趣关系(RANK()函数没有特别处理)。当您需要在SELECT DISTINCT语句上生成ROW_NUMBER()时，ROW_NUMBER()将在被DISTINCT关键字删除之前生成不同的值。例如这个查询
SELECT DISTINCT
v,
ROW_NUMBER() OVER (ORDER BY v) row_number
FROM t
ORDER BY v, row_number
．.． 可能会产生这种结果(DISTINCT没有影响):
+---+------------+
| V | ROW_NUMBER |
+---+------------+
| a | 1 |
| a | 2 |
| a | 3 |
| b | 4 |
| c | 5 |
| c | 6 |
| d | 7 |
| e | 8 |
+---+------------+
鉴于此查询:
SELECT DISTINCT
v,
DENSE_RANK() OVER (ORDER BY v) row_number
FROM t
ORDER BY v, row_number
．.． 在这种情况下产生你可能想要的:
+---+------------+
| V | ROW_NUMBER |
+---+------------+
| a | 1 |
| b | 2 |
| c | 3 |
| d | 4 |
| e | 5 |
+---+------------+
注意，DENSE_RANK()函数的ORDER BY子句需要SELECT DISTINCT子句中的所有其他列才能正常工作。
这样做的原因是，从逻辑上讲，窗口函数是在应用DISTINCT之前计算的。
这三种功能的比较
使用PostgreSQL / Sybase / SQL标准语法(WINDOW子句):
SELECT
v,
ROW_NUMBER() OVER (window) row_number,
RANK() OVER (window) rank,
DENSE_RANK() OVER (window) dense_rank
FROM t
WINDOW window AS (ORDER BY v)
ORDER BY v
．.． 你会得到:
+---+------------+------+------------+
| V | ROW_NUMBER | RANK | DENSE_RANK |
+---+------------+------+------------+
| a | 1 | 1 | 1 |
| a | 2 | 1 | 1 |
| a | 3 | 1 | 1 |
| b | 4 | 4 | 2 |
| c | 5 | 5 | 3 |
| c | 6 | 5 | 3 |
| d | 7 | 7 | 4 |
| e | 8 | 8 | 5 |
+---+------------+------+------------+
看这个例子。
CREATE TABLE [dbo].#TestTable(
[id] [int] NOT NULL,
[create_date] [date] NOT NULL,
[info1] [varchar](50) NOT NULL,
[info2] [varchar](50) NOT NULL,
)
插入一些数据
INSERT INTO dbo.#TestTable (id, create_date, info1, info2)
VALUES (1, '1/1/09', 'Blue', 'Green')
INSERT INTO dbo.#TestTable (id, create_date, info1, info2)
VALUES (1, '1/2/09', 'Red', 'Yellow')
INSERT INTO dbo.#TestTable (id, create_date, info1, info2)
VALUES (1, '1/3/09', 'Orange', 'Purple')
INSERT INTO dbo.#TestTable (id, create_date, info1, info2)
VALUES (2, '1/1/09', 'Yellow', 'Blue')
INSERT INTO dbo.#TestTable (id, create_date, info1, info2)
VALUES (2, '1/5/09', 'Blue', 'Orange')
INSERT INTO dbo.#TestTable (id, create_date, info1, info2)
VALUES (3, '1/2/09', 'Green', 'Purple')
INSERT INTO dbo.#TestTable (id, create_date, info1, info2)
VALUES (3, '1/8/09', 'Red', 'Blue')
1重复相同的值
插入dbo。#TestTable (id, create_date, info1, info2) VALUES '1/1/09'， '蓝色'，'绿色')
看所有
SELECT * FROM #TestTable
看看你的结果
SELECT Id,
create_date,
info1,
info2,
ROW_NUMBER() OVER (PARTITION BY Id ORDER BY create_date DESC) AS RowId,
RANK() OVER(PARTITION BY Id ORDER BY create_date DESC) AS [RANK]
FROM #TestTable
需要了解的不同
另外，在使用RANK时，注意PARTITION中的ORDER BY(例如使用Standard AdventureWorks db)。
选择as1。SalesOrderID as1。SalesOrderDetailID, RANK()结束 分区由as1。SalesOrderID ORDER BY as1。) ranknoequal ， RANK() OVER(分区为as1.)由SalesOrderID订购 as1。SalesOrderDetailId) ranknodiff FROM Sales。SalesOrderDetail as1 SalesOrderId = 43659;
给出结果:
SalesOrderID SalesOrderDetailID rank_same_as_partition rank_salesorderdetailid但是如果将顺序更改为(使用OrderQty:
选择as1。SalesOrderID as1。OrderQty, RANK() OVER (PARTITION BY as1。SalesOrderID ORDER BY as1。ranknoequal, RANK() OVER(分区为as1。SalesOrderID ORDER BY as1。OrderQty) 从销售。WHERE SalesOrderId = 43659 ORDER BY OrderQty;
给:
SalesOrderID OrderQty rank_salesorderid rank_orderqty请注意，当我们在ORDER BY中使用OrderQty(最右边的列第二表)时，Rank是如何变化的，以及当我们在ORDER BY中使用SalesOrderDetailID(最右边的列第一表)时，Rank是如何变化的。
我没有做任何关于秩的事情，但是我今天用row_number()发现了这一点。
select item, name, sold, row_number() over(partition by item order by sold) as row from table_name
这将导致一些重复的行号，因为在我的例子中，每个名称都包含所有项。每一件商品都将按售出的数量排序。
+--------+------+-----+----+
|glasses |store1| 30 | 1 |
|glasses |store2| 35 | 2 |
|glasses |store3| 40 | 3 |
|shoes |store2| 10 | 1 |
|shoes |store1| 20 | 2 |
|shoes |store3| 22 | 3 |
+--------+------+-----+----+
没有分区子句的简单查询:
select
sal,
RANK() over(order by sal desc) as Rank,
DENSE_RANK() over(order by sal desc) as DenseRank,
ROW_NUMBER() over(order by sal desc) as RowNumber
from employee
输出:
--------|-------|-----------|----------
sal |Rank |DenseRank |RowNumber
--------|-------|-----------|----------
5000 |1 |1 |1
3000 |2 |2 |2
3000 |2 |2 |3
2975 |4 |3 |4
2850 |5 |4 |5
--------|-------|-----------|----------
注意，所有这些窗口函数都返回一个类似整型的值。
数据库通常会选择BIGINT数据类型，这占用的空间比我们需要的大得多。而且，我们很少需要从-9,223,372,036,854,775,808到+9,223,372,036,854,775,807的范围。
将结果转换为BYTEINT、SMALLINT或INTEGER。
这些现代系统和硬件是如此强大，所以你可能永远不会看到有意义的额外资源使用，但我认为这是最佳实践。
