[SQL] 윈도우 함수에서 ROWS, RANGE, PARTITION BY의 차이

Hyunjun Kim·2025년 8월 5일

SQL

목록 보기

67/90

윈도우 함수는 행(row) 단위의 집계, 누적, 이동 평균 등 다양한 분석을 효율적으로 수행할 수 있는 SQL 기능이다. 특히 ROWS, RANGE, PARTITION BY는 윈도우 프레임을 정의할 때 핵심적으로 사용되며, 각각의 개념과 차이를 명확히 이해하는 것이 중요하다.

1. ROWS vs RANGE

키워드	기준	동작 방식
ROWS	행의 개수	물리적으로 몇 개의 "행"을 포함할지를 기준으로 프레임을 설정
RANGE	값의 범위	ORDER BY된 컬럼의 "값" 기준 범위로 프레임을 설정

✅ ROWS: 물리적 행 기준

ROWS BETWEEN 3 PRECEDING AND CURRENT ROW

현재 행부터 위로 3개의 행까지 포함하는 총 4개의 윈도우 프레임을 구성한다.

특징:

정확한 범위 제어 가능
중복값의 영향을 받지 않음
대용량 데이터에서 성능이 안정적이며 예측 가능함

✅ RANGE: 정렬 값 기준

RANGE BETWEEN INTERVAL 7 DAY PRECEDING AND CURRENT ROW

현재 행의 기준값을 중심으로 값의 범위 내에 있는 모든 행을 포함한다. 날짜나 수치형 값이 중복될 경우 여러 행이 추가될 수 있음.

주의사항:

값이 중복되면 예기치 않은 범위 포함
정확한 "행 수" 제어가 어렵다
일부 DB에서는 연산 성능이 ROWS보다 떨어짐

2. PRECEDING, FOLLOWING, CURRENT ROW

키워드	의미
n PRECEDING	현재 행 기준 n개 이전 행
n FOLLOWING	현재 행 기준 n개 이후 행
CURRENT ROW	현재 행 자체 포함

예시:

ROWS BETWEEN 6 PRECEDING AND CURRENT ROW

→ 현재 행 포함, 이전 6개 행까지 포함 (총 7개 행)

3. PARTITION BY + 고급 패턴

PARTITION BY는 그룹화된 범위 내에서 윈도우 함수를 수행할 때 사용된다. 사용자별, 브랜드별, 지역별 등으로 구간을 나누어 독립적인 집계를 할 수 있게 해준다.

✅ 예제 1: 브랜드별 누적 주문 수

SELECT
  item_brand,
  order_date,
  SUM(1) OVER (
    PARTITION BY item_brand
    ORDER BY order_date
    ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
  ) AS brand_order_count
FROM orders;

→ 각 브랜드별로 주문일 기준 누적 주문 수를 계산

✅ 예제 2: 사용자별 최근 7일 평균 결제액

WITH daily_spend AS (
  SELECT
    buyer_id,
    order_date,
    SUM(price) AS daily_amount
  FROM orders
  GROUP BY buyer_id, order_date
)
SELECT
  buyer_id,
  order_date,
  AVG(daily_amount) OVER (
    PARTITION BY buyer_id
    ORDER BY order_date
    ROWS BETWEEN 6 PRECEDING AND CURRENT ROW
  ) AS avg_7d
FROM daily_spend;

→ 각 사용자 기준 최근 7일 평균을 계산 (슬라이딩 윈도우 방식)

✅ 예제 3: 사용자별 구매 금액 순위

SELECT
  buyer_id,
  amount,
  RANK() OVER (
    PARTITION BY buyer_id
    ORDER BY amount DESC
  ) AS purchase_rank
FROM orders;

→ 사용자별로 가장 큰 금액 순위 부여

4. 실무에서의 활용 및 성능 고려

상황	ROWS 사용 추천	RANGE 사용 추천
중복값 있음	✅	⚠️ 주의
정확한 행 수 제어	✅	❌
시간 기반 집계	✅	⚠️ (값 기준 주의)
대용량 데이터	✅ (성능 안정적)	❌ (비효율 가능)