思路

见这种近几、连续、每类前几、各个前几直接考虑窗口函数，这里说下常用的几个：

窗口函数语法都是一样的：

<窗口函数> OVER (partition by <用于分组的列名> order by <用于排序的列名>)

序号函数：row_number、rank、dense_rank

为了方便我在这里就简单化了，也就是说对100，99，99，85，84

row_number的进行排序结果是：1、 2、 3、 4 、5

rank的排序结果是：1、2、2、4、5

dense_rank的排序结果是：1、2、2、3、4

ROW_NUMBER()函数可以理解为排序号，不考虑并列；

RANK()函数也为排号，考虑并列，并列之后的按照实际序号来；

dense_rank()同样是排号，考虑并列，并列之后按下一个名次来。

分布函数：percent_rank()/cume_dist()

percent_rank()

用途：和之前的RANK()函数相关，每行按照如下公式进行计算：(rank - 1) / (rows - 1) 其中，rank为RANK()函数产生的序号，rows为当前窗口的记录总行数。

cume_dist()

用途：分组内大于等于当前rank值的行数/分组内总行数，这个函数比percen_rank使用场景更多。 应用场景：班级中比当前同学成绩高的学生比例是多少

前后函数: lag() / lead()

将该字段/列的前n行（lag）、后n行（lead）提取出来

用途：分组中位于当前行后n行（lead）/ 前n行(lag)的记录值。 应用场景：求每个用户相邻两次浏览的时间差

lead(score,1)即 将score字段的后一列列出来

lag(score,1)即 将score字段的前一列列出来

头尾函数——first_val(expr) / last_val(expr)

用途：得到分区中的第一个/最后一个指定参数的值。

nth_value(expr, n)

用途：返回窗口中第N个expr的值，expr可以是表达式，也可以是列名

聚合函数

都知道所以就不说了

现在应该清楚这个题为什么是dense_rank,

所以我们为什么不用distinct先进行去重,再用row_number呢？

这就关系到distinct本身的用法：

distinct

select distinct一起出现！！！！！除非聚合函数！！！

也就是说你要么只查一个、要么多列去重！！

select distinct(name1) , name2,name3

并不会仅对括号内的列进行去重，而是依旧对 distinct 后面的所有列进行组合去重

也就是1=2=3的时候才会去重！

而如果

select name， name3 ， distinct(name1) 就会报错！！