本笔记为阿里云天池龙珠计划SQL训练营的学习内容,链接为:https://tianchi.aliyun.com/specials/promotion/aicampsql;
窗口函数(OLAP函数)-- 对数据库数据进行实时分析处理
窗口函数的通用形式:
<窗口函数> OVER ([PARTITION BY <列名>]
ORDER BY <排序用列名>)
PARTITON BY是用来分组,即选择要看哪个窗口,类似于GROUP BY 子句的分组功能,但是PARTITION BY 子句并不具备GROUP BY 子句的汇总功能,并不会改变原始表中记录的行数。
ORDER BY是用来排序,即决定窗口内,是按那种规则(字段)来排序的。
不使用 PARTITON BY 就是全局操作,全局 RANK(),全局MAX();
如果使用则只在组内排序或取最大值
大致来说,窗口函数可以分为两类。
一是 将SUM、MAX、MIN等聚合函数用在窗口函数中
二是 RANK、DENSE_RANK等排序用的专用窗口函数
RANK函数 -- 计算排序时,如果存在相同位次的记录,则会跳过之后的位次
DENSE_RANK函数 -- 同样是计算排序,即使存在相同位次的记录,也不会跳过之后的位次
ROW_NUMBER函数 -- 赋予唯一的连续位次。
还可以提供更加详细的汇总范围 -- 该汇总范围成为框架
语法
<窗口函数> OVER (ORDER BY <排序用列名>
ROWS n PRECEDING )
<窗口函数> OVER (ORDER BY <排序用列名>
ROWS BETWEEN n PRECEDING AND n FOLLOWING)
PRECEDING(“之前”), 将框架指定为 “截止到之前 n 行”,加上自身行
FOLLOWING(“之后”), 将框架指定为 “截止到之后 n 行”,加上自身行
BETWEEN 1 PRECEDING AND 1 FOLLOWING,将框架指定为 “之前1行” + “之后1行” + “自身”
SELECT product_id
,product_name
,sale_price
,AVG(sale_price) OVER (ORDER BY product_id
ROWS 2 PRECEDING) AS moving_avg
-- 取该值和该值前两位数的平均值
,AVG(sale_price) OVER (ORDER BY product_id
ROWS BETWEEN 1 PRECEDING
AND 1 FOLLOWING) AS moving_avg
-- 取该值和该值前一位数和后一位数的平均值
FROM product
适用范围和注意事项
- 原则上,窗口函数只能在SELECT子句中使用。
- 窗口函数OVER 中的ORDER BY 子句并不会影响最终结果的排序。其只是用来决定窗口函数按何种顺序计算。
ROLLUP -- 计算合计及小计
常规的GROUP BY 只能得到每个分类的小计,有时候还需要计算分类的合计,可以用 ROLLUP关键字。
SELECT product_type
,regist_date
,SUM(sale_price) AS sum_price
FROM product
GROUP BY product_type, regist_date WITH ROLLUP
会根据 product_type 的类型多加一行小计,最后再加一行合计。
-- 一个好的区分PARTITION BY 和ORDER BY 的方法
SELECT product_id,
product_name,
product_type,
sale_price,
regist_date,
RANK() over (PARTITION BY product_type
ORDER BY regist_date)
FROM shop.product