SQL joins 与窗口函数：一个电商库讲透两种核心能力
SQL 是关系数据库数据操作的骨架，其中最核心的两块是 join 与窗口函数：join 把多表数据组合起来，窗口函数在行间做高级计算而不把行折叠成聚合。用一个只有两张表的小电商库（customers 与 orders，客户 Carla 还没有订单）演示全部细节。
Part 1：SQL Joins
INNER JOIN：只返回两边都匹配的行。
SELECT customers.name, orders.amount
FROM customers
INNER JOIN orders ON customers.id = orders.customer_id;
-- 结果：Aisha 250 / Aisha 100 / Brian 400
Carla 因为没有匹配订单而完全消失。这是最常见的 join，但它会静默丢掉未匹配行——"我的数据怎么少了"类 bug 的高频来源。
LEFT JOIN：返回左表全部行，右表匹配不上补 NULL。
SELECT customers.name, orders.amount
FROM customers
LEFT JOIN orders ON customers.id = orders.customer_id;
-- Carla 出现，amount 为 NULL
需要保留"主表"全部记录时用 LEFT JOIN（注意 NULL 表示"无匹配"，不是零——过滤和聚合时要区分）。
RIGHT JOIN：与 LEFT 相反，保右表全部；FULL OUTER JOIN：两边都保留，无匹配补 NULL。SELF JOIN：表与自身连接，典型场景是层级数据（员工-经理）或"同表比较行"。
窗口函数：不折叠行的计算
窗口函数在行组（partition）内计算，但返回行数与输入一致——这是它和 GROUP BY 的本质区别。
ROW_NUMBER / RANK / DENSE_RANK：行号、排名（同分跳过）、密集排名（同分不跳）。取"每个客户最近一笔订单"：
SELECT customer_id, amount,
ROW_NUMBER() OVER (PARTITION BY customer_id ORDER BY id DESC) AS rn
FROM orders;
-- 过滤 rn = 1 即得每组最新一条
SUM/AVG 窗口版：滚动聚合。累计订单金额：
SELECT customer_id, amount,
SUM(amount) OVER (PARTITION BY customer_id ORDER BY id) AS running_total
FROM orders;
LAG / LEAD：访问前一行/后一行，经典用途是环比：amount - LAG(amount) OVER (PARTITION BY customer_id ORDER BY id) 算出每笔订单相对上一笔的差值。
实践建议
- join 前先想清主表与保留语义：要保留哪边的行、NULL 代表什么，先用小数据集验证再上生产；
- 窗口函数里 ORDER BY 决定帧（frame）方向，
SUM() OVER (PARTITION BY ... ORDER BY ...)是累计、不带 ORDER BY 才是分组内全量； - 取 Top-N 用 ROW_NUMBER 过滤，同分场景再换成 RANK/DENSE_RANK；
- 大数据量下窗口函数通常比多次自连接高效，但也更耗内存，先按分区键裁剪数据。