窗口函数必须显式使用over子句，且需正确包含order by或partition by；不得与group by混用；索引需匹配partition by和order by字段顺序以避免性能退化。
OVER子句报错：先看错误信息里有没有“必须有 OVER 子句”
这类报错几乎都指向同一个问题：LAG、LEAD、ROW_NUMBER、RANK 等函数被当成了普通聚合函数用，但没配 OVER。SQL Server 不允许裸调用这些函数。
常见写法错误：
-
SELECT name, LAG(salary) FROM emp→ 报错：函数LAG必须有OVER子句 -
SELECT name, ROW_NUMBER()→ 同样报错，哪怕后面跟了ORDER BY也不行，OVER是强制语法成分
正确写法只有一种：所有窗口函数必须显式包裹在 OVER(...) 里，括号内至少含 ORDER BY（对排名类函数）或 PARTITION BY（对分组类聚合）。
报错说“窗口函数必须有 OVER 子句”，但明明写了，还是错？
这时大概率是混用了 GROUP BY 或普通聚合函数。窗口函数和 GROUP BY 互斥——前者保持行数不变，后者折叠行。
典型错误语句：
SELECT dept, SUM(salary), SUM(salary) OVER (PARTITION BY dept) FROM emp GROUP BY dept
这条在 SQL Server 中直接拒绝执行。原因：一旦加了 GROUP BY，原始明细行就没了，OVER 无从作用。
解决路径只有两条：
- 去掉
GROUP BY，全用窗口函数表达汇总+明细（如SUM(salary) OVER (PARTITION BY dept)） - 保留
GROUP BY，就别用任何带OVER的函数，改用关联子查询或 CTE 拆解逻辑
注意：SUM() OVER() 和裸 SUM() 是两类东西，不能共存于同一 SELECT 层级且带 GROUP BY。
ORDER BY 在 OVER 里缺了或写错位置，会怎样？
对 ROW_NUMBER、RANK、LAG 这类依赖顺序的函数，ORDER BY 不仅要写，还必须放在 OVER 括号内、PARTITION BY 之后（如果用了分区），且不能颠倒顺序。
错误写法示例：
-
ROW_NUMBER() OVER (PARTITION BY dept ORDER BY salary DESC, name ASC)→ 合法 -
ROW_NUMBER() OVER (ORDER BY salary DESC PARTITION BY dept)→ 语法错误，SQL Server 要求PARTITION BY必须在ORDER BY前面 -
LAG(salary) OVER (PARTITION BY dept)→ 报错：窗口框架需要ORDER BY，因为“前一行”没定义基准
特别注意：NULL 值会影响排序结果。默认情况下，NULL 在 ORDER BY ... DESC 中排最前，可能导致排名或偏移错位。必要时显式写 ORDER BY salary DESC NULLS LAST（SQL Server 2022+ 支持；旧版需用 ISNULL(salary, 0) 等绕过）。
性能慢得像卡住，其实是 OVER 执行计划崩了
报错没有，但查询几秒变几分钟——这常是 OVER 底层触发全表排序或临时工作表膨胀。根本原因往往是索引没对上 PARTITION BY 和 ORDER BY 的字段顺序。
例如这个查询：
SELECT id, name, dept, salary, ROW_NUMBER() OVER (PARTITION BY dept ORDER BY salary DESC) AS rn FROM emp WHERE status = 1
理想索引应为：
CREATE NONCLUSTERED INDEX idx_dept_salary_cover ON emp (dept, salary DESC, status) INCLUDE (id, name);
关键点：
- 索引键列顺序必须严格匹配：先
PARTITION BY字段（dept），再ORDER BY字段（salary DESC），最后是WHERE条件字段（status） -
INCLUDE只放 SELECT 中非键列，避免重复存储salary - 空
OVER(PARTITION BY dept)看似省事，实则让 SQL Server 自由决定物理顺序，每次结果可能不同，且无法利用索引
真正难调试的不是语法，而是你写的 OVER 表达式，在数据分布（比如 dept 高基数、salary 大量重复）和索引现状之间是否真正对齐。差一点，执行计划就退化成 Sort + Spool，而不是 Index Seek + Stream Aggregate。
