利用ROW_NUMBER()和日期算术将连续登录归组，通过去重处理多记录、用group_id识别断点解决不连续问题，高效判断N天连续登录。

要判断SQL中特定长度（N天）的连续登录，核心思路是利用日期算术和窗口函数来识别用户登录日期的连续性，然后计算这些连续序列的长度。通常，这涉及到为每个用户的每次登录分配一个基于日期的序列号，并通过一个巧妙的计算将连续的日期归为同一组，最后统计每组的登录天数。

解决方案

判断N天连续登录，我个人最推荐且认为最通用、效率也相对较高的方法是结合

ROW_NUMBER()

窗口函数和日期算术。这个方法的核心思想是，如果一系列日期是连续的，那么当这些日期减去它们各自在序列中的行号（天数偏移量）时，得到的结果应该是一个常数。

我们先假设有一个

user_logins

表，包含

user_id

和

login_date

（确保

login_date

只包含日期部分，或者在使用时进行截断）。

1. 准备数据： 首先，我们需要确保每个用户每天的登录只计算一次。如果你的

   login_date

   可能包含时间戳，或者用户一天内有多条登录记录，你需要先去重并只保留日期部分。

   -- 示例表结构
   CREATE TABLE user_logins (
       id INT PRIMARY KEY AUTO_INCREMENT,
       user_id INT,
       login_time DATETIME
   );
   
   -- 插入一些测试数据
   INSERT INTO user_logins (user_id, login_time) VALUES
   (1, '2025-01-01 10:00:00'),
   (1, '2025-01-02 11:00:00'),
   (1, '2025-01-03 12:00:00'), -- 连续3天
   (1, '2025-01-05 09:00:00'),
   (1, '2025-01-06 10:00:00'), -- 连续2天
   (2, '2025-01-01 08:00:00'),
   (2, '2025-01-02 09:00:00'),
   (2, '2025-01-03 10:00:00'),
   (2, '2025-01-04 11:00:00'), -- 连续4天
   (3, '2025-01-01 07:00:00'),
   (3, '2025-01-01 07:30:00'); -- 同一天重复登录

2. 核心SQL逻辑： 这个方法分几步走，用CTE（Common Table Expressions）会使代码更清晰。

   WITH UserDailyLogins AS (
       -- 步骤1: 提取每个用户每天的唯一登录日期
       SELECT DISTINCT
           user_id,
           CAST(login_time AS DATE) AS login_date -- 确保只取日期部分
       FROM
           user_logins
   ),
   RankedLogins AS (
       -- 步骤2: 为每个用户的登录日期按顺序分配一个行号
       SELECT
           user_id,
           login_date,
           ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS rn
       FROM
           UserDailyLogins
   ),
   ConsecutiveGroups AS (
       -- 步骤3: 计算一个“分组ID”。
       -- 如果日期是连续的，login_date - rn 的结果会保持不变。
       -- 例如：
       -- 2025-01-01 (rn=1) -> 2025-01-01 - 1天 = 2025-12-31
       -- 2025-01-02 (rn=2) -> 2025-01-02 - 2天 = 2025-12-31
       -- 2025-01-03 (rn=3) -> 2025-01-03 - 3天 = 2025-12-31 (同一组)
       -- 2025-01-05 (rn=4) -> 2025-01-05 - 4天 = 2025-01-01 (新组)
       SELECT
           user_id,
           login_date,
           -- MySQL: DATE_SUB(login_date, INTERVAL rn DAY)
           -- PostgreSQL: login_date - (rn * INTERVAL '1 day')
           -- SQL Server: DATEADD(day, -rn, login_date)
           DATE_SUB(login_date, INTERVAL rn DAY) AS group_id
       FROM
           RankedLogins
   )
   -- 步骤4: 根据 user_id 和 group_id 分组，统计连续天数，并筛选出满足N天条件的记录
   SELECT
       user_id,
       MIN(login_date) AS consecutive_start_date,
       MAX(login_date) AS consecutive_end_date,
       COUNT(login_date) AS consecutive_days_count
   FROM
       ConsecutiveGroups
   GROUP BY
       user_id,
       group_id
   HAVING
       COUNT(login_date) >= 3; -- 将这里的 '3' 替换为你想要的连续天数 N

   这个SQL会返回每个用户达到N天或更长连续登录的起始日期、结束日期以及实际的连续天数。这个方法非常灵活，N可以任意指定。

SQL连续登录判断中，如何处理同一用户多条登录记录和日期不连续的问题？

在实际的数据里，同一用户一天内可能有很多条登录记录，或者登录日期本身就存在跳跃，不是严格连续的。这些情况确实是判断连续登录时需要重点考虑的。

对于同一用户多条登录记录的问题，我在上面的解决方案中已经通过

UserDailyLogins

这个CTE处理了。

SELECT DISTINCT user_id, CAST(login_time AS DATE) AS login_date

这一步是关键。它确保了无论用户在一天内登录多少次，或者

login_time

字段带有精确到秒的时间戳，最终我们得到的都是每个用户每天唯一的登录日期。这样，

ROW_NUMBER()

在后续步骤中才能准确地基于“天”来计算序列，而不是基于具体的登录事件。如果少了这一步，

ROW_NUMBER()

可能会把同一天的多次登录也算作不同的“行”，从而导致

group_id

计算错误，把本该连续的日期序列打断。

至于日期不连续（存在跳跃）的问题，这正是

ROW_NUMBER()

方法巧妙之处。当日期序列出现跳跃时，

login_date - rn

的计算结果会自动改变，从而将不连续的序列分割成不同的

group_id

。

举个例子： 假设用户A的登录日期是：2025-01-01, 2025-01-02, 2025-01-05。

user_id	login_date	rn	login_date - rn (假定日期是数字)	group_id (实际日期)
A	2025-01-01	1	2025-01-01 - 1 = 2025-12-31	2025-12-31
A	2025-01-02	2	2025-01-02 - 2 = 2025-12-31	2025-12-31
A	2025-01-05	3	2025-01-05 - 3 = 2025-01-02	2025-01-02

可以看到，前两行

group_id

相同，因为它们是连续的。第三行因为

login_date

跳到了

2025-01-05

，尽管

rn

是连续的

3

，但

login_date - rn

的结果却不同了，这自然而然地形成了新的

group_id

。所以，这个方法本身就自带了处理日期不连续的能力，非常优雅。

除了ROW_NUMBER，还有哪些SQL函数或技巧可以辅助判断连续登录？

确实，SQL的世界里解决问题的方法总是多种多样，

ROW_NUMBER()

虽然很强大，但也有其他一些函数或技巧在特定场景下可以辅助，甚至作为替代方案。

1. LAG()

   /

   LEAD()

   窗口函数：

   LAG()

   可以获取当前行之前的某一行的值，

   LEAD()

   则获取之后的。你可以用

   LAG(login_date, 1) OVER (PARTITION BY user_id ORDER BY login_date)

   来获取用户上一次登录的日期。然后，通过比较

   当前登录日期 = 上次登录日期 + 1天

   来判断是否连续。

   WITH UserDailyLogins AS (
       SELECT DISTINCT
           user_id,
           CAST(login_time AS DATE) AS login_date
       FROM
           user_logins
   ),
   LaggedLogins AS (
       SELECT
           user_id,
           login_date,
           LAG(login_date, 1) OVER (PARTITION BY user_id ORDER BY login_date) AS prev_login_date
       FROM
           UserDailyLogins
   )
   SELECT
       user_id,
       login_date,
       CASE
           WHEN prev_login_date IS NULL THEN 1 -- 第一个登录日
           WHEN DATEDIFF(login_date, prev_login_date) = 1 THEN 1 -- 连续
           ELSE 0 -- 不连续
       END AS is_consecutive_from_prev
   FROM
       LaggedLogins;

   这个方法可以帮你判断每一天是否是紧接着前一天的登录。但要直接统计N天连续登录，你需要在此基础上再做一层聚合，比如用一个递归CTE或者更复杂的窗口函数组合来“串联”这些

   is_consecutive

   的标志。相比

   ROW_NUMBER()

   直接生成

   group_id

   ，

   LAG()

   在处理“N天连续”这种需求时，逻辑上会显得稍微复杂一些，尤其当N比较大的时候，需要更多的技巧来累积计数。它更适合判断“今天是否连续”或者“连续了多少天（从某个起点开始）”。

2. 递归CTE (Recursive CTEs)： 这是一种更高级的SQL技巧，可以用于处理分层数据或迭代计算。你可以定义一个锚点成员（通常是每个用户第一次登录的日期），然后通过递归成员不断地检查下一天是否登录，并累加连续天数。

   -- 这是一个概念性的示例，具体实现会因数据库而异，且通常比ROW_NUMBER更复杂和耗资源
   WITH RECURSIVE ConsecutiveLoginCounter AS (
       -- 锚点成员：每个用户的第一天登录，或者不连续序列的起点
       SELECT
           user_id,
           login_date,
           1 AS streak_length
       FROM
           (SELECT DISTINCT user_id, CAST(login_time AS DATE) AS login_date FROM user_logins) AS d
       WHERE NOT EXISTS (
           SELECT 1 FROM (SELECT DISTINCT user_id, CAST(login_time AS DATE) AS login_date FROM user_logins) AS prev_d
           WHERE prev_d.user_id = d.user_id AND prev_d.login_date = DATE_SUB(d.login_date, INTERVAL 1 DAY)
       )
   
       UNION ALL
   
       -- 递归成员：如果下一天连续，则增加streak_length
       SELECT
           clc.user_id,
           d.login_date,
           clc.streak_length + 1
       FROM
           ConsecutiveLoginCounter clc
       JOIN
           (SELECT DISTINCT user_id, CAST(login_time AS DATE) AS login_date FROM user_logins) AS d
       ON
           d.user_id = clc.user_id AND d.login_date = DATE_ADD(clc.login_date, INTERVAL 1 DAY)
   )
   SELECT
       user_id,
       MAX(streak_length) AS max_consecutive_days
   FROM
       ConsecutiveLoginCounter
   WHERE
       streak_length >= N -- 筛选出满足N天条件的
   GROUP BY user_id;

   递归CTE非常强大，