窗口可以理解为记录集合，窗口函数就是在满足某种条件的记录集合上执行的特殊函数。窗口函数也称为OLAP函数，OLAP即实时分析处理（Online Analytical Processing）。
语法：
<窗口函数> OVER ([PARTITION BY <分组列>] ORDER BY <排序列>)
（注：通过PARTITION BY分组后的记录集合称为窗口，如果不使用PARTITION BY，那么整个数据集将作为一个大的窗口。）
（注：窗口函数只能在SELECT子句中使用。）
（注：此处的ORDER BY只用来决定窗口函数按照什么样的顺序进行计算，对结果的排序顺序没有影响。）
可以使用的窗口函数有：
1，能够作为窗口函数的聚合函数：SUM，AVG，COUNT，MAX，MIN
2，专用窗口函数：RANK，DENSE_RANK，ROW_NUMBER，等等
其中：
RANK()：计算排序（如果存在相同位次的记录，则会跳过之后的位次，比如：1,2,2,4）
DENSE_RANK()：计算排序（即使存在相同位次的记录，也不会跳过之后的位次，比如：1,2,2,3）
ROW_NUMBER()：赋予连续且唯一的位次，比如：1,2,3,4
此外，除了partition子句和order by子句，还可以加上frame子句。frame是当前分区的一个子集，frame子句用来定义子集的规则，其通常作为滑动窗口使用。（即指定框架：对窗口进行更详细地指定。）例如：
ROW 2 PRECEDING：前2行
ROW 5 FOLLOWING：后5行
ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING：前1行到后1行
语法总结如下：
window_function (expression) OVER (
[ PARTITION BY part_list ]
[ ORDER BY order_list ]
[ { ROWS | RANGE } BETWEEN frame_start AND frame_end ] )
例子：
select item_id, cate_id, rank() over (partition by cate_id order by price) as rank from item_list;
select item_id, cate_id, sum(price) over (partition by cate_id) as rank from item_list;
select item_id, cate_id, avg(price) over (order by price rows between 1 preceding and 1 following) as rank from item_list;
为什么要用窗口函数？
1，在组内进行排名。比如统计各个部门工资前3位的员工名单。
2，累计计数。因为窗口函数以当前记录作为基准进行统计，因此可以计算截止到当前的累计订单金额/平均订单金额/最大订单金额/最小订单金额/订单数是多少，还可以加上指定框架来计算移动平均（moving average）。
参考：