识别连续日期或序号分组的核心思路是：排序后原始序号（ROW_NUMBER）与业务字段（如日期、ID）的差值恒定，该差值相同即属同一连续区间；须用ROW_NUMBER而非RANK，日期需归一化，且必须PARTITION BY业务键。
怎么识别连续日期或序号的分组
核心思路是：连续记录在排序后，其原始序号（如 ROW_NUMBER()）和业务字段（如日期、ID）之间的差值恒定。只要这个差值相同，就属于同一段连续区间。
常见错误是直接用 GROUP BY date_col 或 GROUP BY id —— 这只能聚合相同值，无法捕获“连续”这个动态关系。
- 业务字段必须可排序（如
DATE、INT），且理想情况下无重复值；若存在重复，需先去重或定义优先级（比如取MIN(created_at)） - 用
ROW_NUMBER() OVER (ORDER BY date_col)生成严格递增序号，不是RANK()或DENSE_RANK()，后者遇并列会跳号，破坏差值稳定性 - 日期类字段建议转为天数差（如
date_col - '2000-01-01'::DATE），避免直接减 timestamp 导致精度干扰
PostgreSQL / MySQL 8.0+ 实现连续段计数
以统计每个用户连续登录天数为例，目标是：对每个 user_id，找出最长连续登录天数。
关键在于两层嵌套：第一层算差值分组，第二层按该分组聚合长度。
SELECT user_id, COUNT(*) AS consecutive_days
FROM (
SELECT user_id, login_date,
login_date - INTERVAL '1 day' * ROW_NUMBER()
OVER (PARTITION BY user_id ORDER BY login_date) AS grp
FROM user_logins
) t
GROUP BY user_id, grp;
-
INTERVAL '1 day' * ROW_NUMBER()是 PostgreSQL 写法；MySQL 需用DATE_SUB(login_date, INTERVAL ROW_NUMBER() OVER (...) DAY) - 如果字段是
INT类型 ID（如订单号连续），直接写id - ROW_NUMBER() OVER (...)即可 - 注意
PARTITION BY user_id必须加上，否则不同用户的差值会混在一起
遇到 NULL 或间隔太大会怎样
差值法对数据质量敏感：一旦中间有缺失、NULL 或异常大间隔，就会被切分成多个组——这其实是正确行为，不是 bug。
但容易误判的情况包括：
-
login_date是TIMESTAMP且含时分秒，导致同一天多条记录被拆开 → 应先用DATE(login_date)归一化 - 表中存在未来日期或乱序数据 → 差值计算前必须加
ORDER BY，且建议 WHERE 过滤掉明显异常值（如login_date > NOW() + INTERVAL '7 days'） - 连续判断逻辑实际要求“每天至少一条”，但数据里某天只有凌晨一条、晚上一条 → 若业务允许，可提前用
DISTINCT ON (user_id, DATE(login_date))去重
性能和兼容性要注意什么
窗口函数本身不慢，但差值法依赖全排序，数据量大时 ORDER BY 成为瓶颈。
- 务必在
PARTITION BY和ORDER BY字段上建联合索引，例如(user_id, login_date) - SQL Server 2012+、Oracle 11gR2+、BigQuery 都支持，但 SQLite 直到 3.25 才支持窗口函数，旧版需改用自连接模拟（极慢，不推荐）
- 如果只要“是否存在连续3天”，可用
LEAD()/LAG()查相邻行，比差值法更轻量，也更容易加索引优化
差值法看着绕，但它是目前最通用、最可控的解法；真正难的不是写出来，而是想清楚“连续”在你业务里到底指什么——是自然日？工作日？还是系统内单调递增的某个序列？这个定义错了，后面全白搭。
