推荐订阅源

select
ROW_NUMBER() OVER(ORDER BY Convey_Fee desc) as z,
rank() OVER(ORDER BY Convey_Fee desc) as z,
DENSE_RANK() OVER(ORDER BY Convey_Fee desc) as z,
NTILE(4) OVER(ORDER BY Convey_Fee desc) as z,

(select sum(1) from Consign_D where Convey_Fee<=a.Convey_Fee) num,
(select sum(1) from Consign_D where Convey_Fee<a.Convey_Fee) num1
,Convey_Fee
from Consign_D a
order by Convey_Fee desc

结果

前4个ROW_NUMBER，RANK，DENSE_RANK和NTILE是SQL 2005新增加的!
后面2个是SQL 2000的

　　SQL Server 2005中引入了四个新的评价函数：ROW_NUMBER，RANK，DENSE_RANK和NTILE。尽管这些与SQL Server 2000所提供的函数相比是一个明显的进步，但是这些函数的使用仍然存在一些限制（要求使用派生表或视图来实现功能更为强大的应用程序）。下面让我们分析一下每一个函数。

这个ROW_NUMBER函数把一个序数值赋给每一个返回的记录，该序数值依赖于一个特定的与这个函数一起使用的ORDER BY语句。函数ROW_NUMBER的语法是：ROW_NUMBER() OVER([partition] ORDER BY子句)。例如，下列查询将返回从最贵的到最便宜的产品，对每一种产品按价格进行评价：

SELECT ProductID，Name，Price， ROW_NUMBER() OVER(ORDER BY Price DESC) As PriceRankFROM Products

　默认情况下，这个ROW_NUMBER函数把一个增量值（逐次加1）赋给结果集中的每一个记录。借助于可选的partition参数，无论何时分区（partitioning）列值发生变化，你都可以让ROW_NUMBER函数重新计算行数。为了说明这个问题，我使用如下查询语法创建了一个视图vwTotalAmountBilledPerOrder，它将返回每一个OrderID和该订购的总订单数：

SELECT OrderID，SUM(AmountBilled) AS TotalOrderAmountFROM OrderItemsGROUP BY OrderID

　　这条语句将返回OrderItems表中每一个唯一的订单，还有相应于该订单的AmountBilled值的和。借助于这个视图，我们可以使用ROW_NUMBER方法来按最大花钱数来评价这些订单，如下所示：

SELECT c.Name，o.DateOrdered，tab.TotalOrderAmount， ROW_NUMBER() OVER (ORDER BY TotalOrderAmount DESC) AS BestCustomerFROM vwTotalAmountBilledPerOrder AS tab INNER JOIN Orders AS o ON o.OrderID = tab.OrderID INNER JOIN Customers AS c ON c.CustomerID = o.CustomerID

注意，某些顾客多次出现在这个列表中（如Bob，Tito和Bruce）。也许有时，我们不是想观看以销售量排序的所有订单，而更想看到每一个顾客的最高订单量。为此，我们可以通过使用ROW_NUMBER函数中的PARTITION BY子句达到这一目的，如下所示：

SELECT c.Name， o.DateOrdered， tab.TotalOrderAmount， ROW_NUMBER() OVER (PARTITION BY c.CustomerID ORDER BY TotalOrderAmount DESC) AS BestCustomerFROM vwTotalAmountBilledPerOrder AS tab INNER JOIN Orders AS o ON o.OrderID = tab.OrderID INNER JOIN Customers AS c ON c.CustomerID = o.CustomerID

四、 使用RANK和DENSE_RANK处理同级问题　　基于可选的partition子句和要求的order by子句，ROW_NUMBER函数默认地递增（加1）每一个返回结果的值。然而，有时你可能想以不同方式处理相同级别，而不是把相同的值赋给相同的级别。例如，前面显示的总订单列表中，
RANK和DENSE_RANK函数都能够使用相同的评价计数级。例如，使用下列查询：

SELECT c.Name，o.DateOrdered，tab.TotalOrderAmount， RANK() OVER (ORDER BY TotalOrderAmount DESC) AS BestCustomerFROM vwTotalAmountBilledPerOrder AS tab INNER JOIN Orders AS o ON o.OrderID = tab.OrderID INNER JOIN Customers AS c ON c.CustomerID = o.CustomerID

注意，具有相同数量的两个订单是怎样都被评价为#4的。RANK和DENSE_RANK之间的不同之处在于，在平级的结果后他们是如何重新开始计数的。RANK绕过尽可能多的平级的结果。在我们上面的示例中，因为有两个结果绑定在#4上，因此跟随其后的#5被跳过而评价等级以#6继续。另一方面，DENSE_RANK从下一个整数继续。如果我们在上面的查询中使用函数名DENSE_RANK代替RANK，那么Tito在2005年12月18日相应于单价$12.44的订单评价将是#5。

　　类似于ROW_NUMBER函数，RANK和DENSE_RANK函数都能使用可选的PARTITION BY语句。

　　SQL Server 2005新引入的最后一个与T-SQL函数相关的评价函数是NTILE(int)。NTILE象其它的评价函数一样操作，但是它能够把结果分成组，每组中相应相同评价结果的记录。你可以使用NTILE函数把结果分解成两组、三组或四组等，