序言
对于排序分析，应用的业务分析场景很多，例如所有销售大区的TOP5、按具体规则对数据集进行重新排序编号等，这些业务场景采用分析函数中排序函数，将很方便简单。
当前常用的排序类分析函数包括：row_number()、rank()、dense_rank()，这三个函数都可应用在排序场景中，但 又有些许不同。
排序函数之row_number()
特点：对分组后的排序结果进行递增编号，出现同值的也是递增处理。
函数表达式如下：
row_number() over(partition by column1 order by column2)
解释为：生成 按column1分组，column2排序时的顺序编号，是连续递增的。当column2出现相同值的时候，也会递增，该情况不适用于同值并列排名的情况。
举例如下：
原始数据集
如上图，是原始数据列，按org_id和item_id排序，用默认rownum作为编号。 从该脚本可看出，rownum是先根据查询结果加编号，再对查询结果进行排序，所以rownum并不是按排序结果进行编号。
现在使用row_number()对结果进行分组排序：
row_number()
如上图，查询结果则变为按type分组且按item_id排序后，按顺序进行递增编号。 但该方式存在的问题在于，如果要求item_id相同的行序号要求一致，此时row_number()将无法满足该需求，此时将引入rank()和dense_rank()。
排序函数rank()和dense_rank()
rank()特点：按分组后的排序结果进行递增编号，如出现相同值则序号一致，但相邻出现的不同值序号将从rown+N开始(rown为前一个值的序号，N为前一个值相同的个数)。
举例如下:
rank()
如上图，1310有2个相同行，因此序号均为1，到了1312则从1+2开始编序号。
dense_rank()特点：和rank()相似，按分组后的排序结果进行递增编号，如出现相同值则序号一致，但相邻出现的不同值序号将从rown+1开始。
举例如下:
dense_rank()
如上图，1310有2个相同值，因此序号均为1，到了1312则从2开始编序号。
总结
1.row_number()应用于不区分同值排序的业务场景；
2.rank()&dense_rank()应用于区分同值排序的业务场景，至于用rank和dense_rank，则要看对同值排序后对序号递增方式的具体要求来定。
有了上述三个函数，对于日常公司分析大区销售排名、销售代表排名、部门费用项排名等等，将会非常的方便快捷。
