窗口函数模拟FIFO扣减可行，但需满足批次有明确时间序且每批数量不可拆分；否则结果隐蔽出错。核心是逐批扣减、剩余归零、跳过耗尽批次，而非简单取前N条或硬编序号。
直接用窗口函数模拟 FIFO 扣减是可行的，但必须满足两个前提：批次有明确时间序（如 in_date）、每批数量可累加不可拆分。否则结果会错得隐蔽，且难以调试。
为什么不能只靠 ROW_NUMBER() 或 ORDER BY
FIFO 不是简单按时间取前 N 条，而是「逐批扣减、剩余归零、跳过已耗尽批次」的过程。只用 ORDER BY in_date 查前几条，会漏掉中间某批只剩 2 件、但下一批有 100 件的情况；ROW_NUMBER() 更危险——它给每行硬编序号，一旦某批已出完，这个序号就失去业务意义。
- 真实场景中，同一天可能有多批次入库，需按
in_date, batch_id复合排序，不能只依赖单字段 -
SUM(quantity) OVER (ORDER BY ...)累计和必须和当前行对齐，否则LEAST/GREATEST计算会跨批错位 - 若存在退货或红冲（即负向出入库），必须先做净变动聚合，再跑 FIFO，否则累计和逻辑崩溃
SUM() OVER () 累计和 + LAG() 做边界判断
核心思路是：对每个商品，按入库时间升序计算「截至本批次的累计入库量」，再与待出库量 Q 比较，找出被扣减覆盖的批次区间。关键不是“哪几行”，而是“每批实际出多少”。
WITH ranked AS (
SELECT
item_id,
batch_id,
in_date,
quantity,
SUM(quantity) OVER (
PARTITION BY item_id
ORDER BY in_date, batch_id
ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
) AS cum_in
FROM stock_in
WHERE status = 'valid'
),
fetched AS (
SELECT *,
COALESCE(LAG(cum_in) OVER (PARTITION BY item_id ORDER BY in_date, batch_id), 0) AS prev_cum_in
FROM ranked
)
SELECT
item_id,
batch_id,
in_date,
CASE
WHEN cum_in = @q THEN 0 -- 完全没轮到
ELSE @q - prev_cum_in -- 本批只出一部分
END AS fifo_out_qty
FROM fetched
WHERE cum_in > @q OR prev_cum_in
-
@q是本次出库总量，必须作为参数传入，不能写死在 SQL 里 -
LAG(cum_in)提前拿到上一批的累计值，才能算出本批“从哪开始扣” - 结果中
fifo_out_qty可能为 0，说明该批未参与本次出库，但不能过滤掉——否则累计断层
遇到负库存或部分出库失败时怎么处理
上面逻辑默认库存充足。一旦 cum_in 最大值仍小于 @q，说明库存不足，但 SQL 不会自动报错。必须显式检查：
IF (SELECT MAX(cum_in) FROM ranked WHERE item_id = @item_id)
- 不能依赖应用层判断，因为并发出库时，两次查询之间库存可能已被其他事务扣减
- 更稳妥的做法是在事务中加
UPDLOCK, READPAST锁，防止重复扣减同一批次 - 如果系统支持，建议把 FIFO 扣减封装成带事务的存储过程，而非裸 SQL
真正难的不是写出这段 SQL，而是确保 stock_in 表里每条记录都代表一个不可再分的物理批次，且 in_date 和 batch_id 能唯一确定顺序。时间戳精度不够、批次号乱序、历史数据补录没校验——这些才是线上 FIFO 出错的根源，比函数用法重要得多。
