很多人第一次接触 OVER，都是在做类似这样的需求：

• 每个月的累计用户数

• 截止当月的累计收入

• 按时间滚动的统计指标

SQL 能写出来，但一旦结果不对，就开始怀疑人生。

问题通常不在 SQL 技巧，而在于——
没有真正理解 OVER 在“看哪一批数据”。

这篇文章，我们只用一套极简、脱敏、为讲解而设计的 SQL，把 OVER 的计算逻辑彻底讲清楚。

一、一个刻意简化的业务场景

假设有一张订单表，记录每天产生的订单金额：

order_table

我们要做的统计是：

统计每个月的订单总额，并计算“截至当月月底”的累计订单金额。

注意这个关键词：
截至当月月底（累计）

二、第一步：只算“每个月新增”（不用 OVER）

先把“每个月新增金额”算清楚。

SELECT
    DATE_FORMAT(order_date, '%Y-%m') AS month_time,
    SUM(order_amount) AS month_amount
FROM order_table
GROUP BY DATE_FORMAT(order_date, '%Y-%m')
ORDER BY month_time;

这一步做的事情非常纯粹：

• 不涉及历史

• 不涉及累计

• 只是把“散落在每天的数据”压缩成“每个月一行”

结果类似：

三、问题来了：怎么得到“截至当月的累计值”？

很多人第一反应是：

能不能在 GROUP BY 里顺手算一下？

答案是：不行。

GROUP BY 的职责只有一个：
把多行压成一行。

而“累计”这件事，本质是：

站在当前这一行，回头看历史所有行。

这正是窗口函数存在的意义。

四、OVER 的登场：窗口是怎么“打开”的

我们把上一步的结果作为一个“月度数据集”，再加一层查询：

SELECT
    month_time,
    month_amount,
    SUM(month_amount) OVER (
        ORDER BY month_time
        ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
    ) AS total_amount_at_month_end
FROM (
    SELECT
        DATE_FORMAT(order_date, '%Y-%m') AS month_time,
        SUM(order_amount) AS month_amount
    FROM order_table
    GROUP BY DATE_FORMAT(order_date, '%Y-%m')
) t
ORDER BY month_time;

这条 SQL 就是理解 OVER 的最佳切入口。

五、一句一句拆解 OVER 在干什么

1️⃣ SUM(month_amount)

这不是重点，它只是一个普通聚合函数。

重点在后面的 OVER。

2️⃣ ORDER BY month_time

这一句在说：

累计是有方向的，按月份从早到晚算。

没有它，就不存在“累计”的概念。

3️⃣ ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW

这是整条 SQL 的灵魂。

直译成中文就是：

从第一行开始，一直算到当前这一行。

换成业务语言：

历史所有月份 + 当前月份

六、用“人脑视角”看窗口是如何滑动的

假设月度数据是这样：

窗口函数在每一行看到的数据是：

• 2025-01
   窗口 = [2025-01]
   累计 = 10000

• 2025-02
   窗口 = [2025-01 → 2025-02]
   累计 = 25000

• 2025-03
   窗口 = [2025-01 → 2025-03]
   累计 = 37000

这就是“窗口在时间轴上向后滑动”的真实含义。

七、OVER 和 GROUP BY 的本质区别

很多人会把两者混在一起，这里给一个清晰对照：

一句话总结：

GROUP BY 改变结果集结构，OVER 只改变每一行“看到的数据范围”。

八、一个非常实用的变体：滚动统计

如果你把窗口范围改成：

ROWS BETWEEN 2 PRECEDING AND CURRENT ROW

含义立刻变成：

近 3 个月的滚动总额

你会发现：
SQL 完全没变，变的只是“窗口大小”。

这也是窗口函数被称为“分析型 SQL”的原因。

九、最后的总结

关于 OVER，只需要记住三句话：

1. 它不是用来分组的，而是用来定义“视角”的

2. ORDER BY 决定时间或逻辑方向

3. ROWS BETWEEN 决定你能看到多远的历史

当你真正理解了“窗口在滑动”，
累计、排名、同比、环比，本质上都是同一套机制的不同表达。