怎样用SQL窗口函数快速识别重复的业务订单号？
用ROW_NUMBER()按order_no分组编号可精准识别重复订单，序号>1即为重复项；需配合PARTITION BY、稳定ORDER BY及子查询过滤，且order_no列必须建索引以避免性能暴跌。
用 ROW_NUMBER() 给订单号分组标序，重复项自然浮出水面
重复订单号最直接的识别方式不是靠 GROUP BY + HAVING COUNT > 1 查出有哪些重复，而是给每条记录打上“这是该订单号的第几次出现”的标签——ROW_NUMBER() 正是干这个的。它按 ORDER BY 排序后从 1 开始编号，同一订单号下序号 > 1 的行，就是重复项。
实操时注意三点：
-
PARTITION BY order_no是必须的，否则整个表只排一次序，失去分组意义 -
ORDER BY子句要明确：推荐用时间字段（如created_at），避免无序导致序号不稳定；若无时间字段，至少加个id保底 - 别在
WHERE里直接过滤rn > 1——窗口函数不能在WHERE中引用，得套一层子查询或 CTE
SELECT * FROM ( SELECT *, ROW_NUMBER() OVER (PARTITION BY order_no ORDER BY created_at, id) AS rn FROM orders) t WHERE t.rn > 1;
为什么不用 COUNT() OVER？它更适合“标记所有重复行”场景
COUNT() OVER (PARTITION BY order_no) 返回的是每个订单号的总出现次数，比如某 order_no 出现了 3 次，那么这 3 行的计数都是 3。它不区分“首次”还是“后续”，适合需要保留全部重复记录并标注“共重复 X 次”的场景。
但要注意：COUNT(*) 和 COUNT(order_no) 在 order_no 为 NULL 时行为不同——前者统计所有行，后者忽略 NULL。业务中订单号一般非空，但若存在脏数据，建议显式写 COUNT(*) 避免歧义。
SELECT *, COUNT(*) OVER (PARTITION BY order_no) AS cntFROM ordersWHERE COUNT(*) OVER (PARTITION BY order_no) > 1;
⚠️ 这条语句在部分数据库（如 MySQL 8.0 前）会报错，因为窗口函数不能直接用于 WHERE。稳妥写法仍是子查询或 CTE。
查出重复后，怎么快速定位问题源头？加 LEAD/LAG 看相邻记录差异
光知道哪些订单号重复还不够，得看它们是不是来自同一渠道、同一用户、或时间间隔异常短。这时用 LEAD(order_user_id, 1) OVER (PARTITION BY order_no ORDER BY created_at) 可以拿到下一条同订单号记录的用户 ID，对比是否一致；用 LAG(created_at) 算时间差，能发现秒级连发的异常下单。
关键点：
-
LEAD/LAG的偏移量默认是 1，想看前两条就写LAG(created_at, 2) - 如果分区内的行数不足（比如某订单号只出现 1 次），
LEAD返回NULL，需配合COALESCE或条件判断避免逻辑断裂 - 时间差计算依赖数据库函数：
EXTRACT(EPOCH FROM ...)（PostgreSQL）、TIMESTAMPDIFF(SECOND, ...)（MySQL）、DATEDIFF(second, ...)（SQL Server）
性能陷阱：没索引的 PARTITION BY 字段会让窗口函数慢十倍
order_no 如果没建索引，尤其当表超百万行时，PARTITION BY order_no 会导致全表扫描+内部排序，执行时间可能从毫秒级跳到分钟级。这不是窗口函数本身的问题，而是数据库无法高效定位相同 order_no 的连续块。
验证方法很简单：
- 执行
EXPLAIN（或EXPLAIN ANALYZE），看是否有Sort节点且 cost 极高 - 检查
order_no列是否已有索引：SELECT * FROM pg_indexes WHERE tablename = 'orders' AND indexdef LIKE '%order_no%';（PostgreSQL） - 若没有，立即加索引：
CREATE INDEX idx_orders_order_no ON orders(order_no);（B-tree 即可，无需唯一）
真正容易被忽略的是：即使你只查最近 7 天的数据，只要 PARTITION BY 字段没索引，数据库仍可能扫全表——因为窗口函数的分组逻辑优先于 WHERE 条件执行。
