用窗口函数识别连续月份比GROUP BY + COUNT更可靠，因后者仅统计次数或去重月数，无法判断月份是否连贯；而基于“年月整数−行号”恒定值分组可精准捕获任意长度的连续区间。
用窗口函数识别连续月份比GROUP BY + COUNT更可靠
单纯靠 GROUP BY user_id 和 COUNT(*) 无法判断“连续三个月”——它只能告诉你某用户总共买了几次，或在多少个不同月份买过，但月份是否连着完全看不出来。比如用户在1月、3月、5月各买一次，COUNT(DISTINCT month) 是3，却不是连续的。
真正可行的思路是：先按用户和月份去重（避免单月多笔干扰），再对每个用户的月份排序，用「当前月份 - 排名」构造等差标识。连续月份的这个差值会恒定，从而能分组计数。
MySQL 8.0+ 实现连续三个月购买的完整写法
假设表为 orders，含字段 user_id、order_date（DATE类型）：
SELECT user_id
FROM (
SELECT user_id,
YEAR(order_date) * 100 + MONTH(order_date) AS ym,
ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY YEAR(order_date) * 100 + MONTH(order_date)) AS rn
FROM (SELECT DISTINCT user_id, DATE_FORMAT(order_date, '%Y-%m-01') AS order_date FROM orders) t0
) t1
GROUP BY user_id, (ym - rn)
HAVING COUNT(*) >= 3;
关键点：
-
DATE_FORMAT(order_date, '%Y-%m-01')统一归到每月1号，消除日影响 -
YEAR(...) * 100 + MONTH(...)把年月转成可计算整数（如202403），方便做算术 -
ym - rn是核心：对连续月份，这个值不变（例如202401−1=202400，202402−2=202400，202403−3=202400） - 外层
GROUP BY user_id, (ym - rn)才能真正捕获每一段连续区间
PostgreSQL 或 SQL Server 怎么适配
逻辑一致，只需调整日期处理函数：
- PostgreSQL：用
EXTRACT(YEAR FROM order_date) * 100 + EXTRACT(MONTH FROM order_date)替代ym计算 - SQL Server：用
YEAR(order_date) * 100 + MONTH(order_date)即可，但注意需先DISTINCT去重月粒度 - 所有版本都必须先
DISTINCT user_id, year_month，否则同月多单会让ROW_NUMBER()膨胀，破坏连续性判断
为什么不能用LAG/LEAD直接比上月是否存在
可以，但维护成本高且易漏场景。例如用 LAG(ym, 1) 和 LAG(ym, 2) 判断当前行是否为连续第三个月，会要求用户至少有3条记录才能进入结果集——如果某用户只在2月、3月、4月有订单，但查询时只取了最近3个月数据，而2月记录被过滤掉，就永远匹配不到。
相比之下，基于 ym - rn 的分组法不依赖绝对时间窗口，只要数据存在，任意长度的连续段都能被识别出来。真正的难点其实在前期清洗：确保没有时区错乱、order_date 为空或非法值，这些都会让 ROW_NUMBER() 错位，导致连续性误判。
