sql之每天一个小函数

sql中我们经常会用到聚合函数，聚合之后它会减少数据量，但是如果我们想把聚合之后的数据和原始数据同时展示出来，那么我们需要用到窗口函数。

lag窗口函数通过条件把数据划分成子类，在子类中进行排序
格式 lag(list_name,num) over(partition by ___ order by )
实例:
原始数据:

+----------------+---------------------+----------------+--+
| business.name  | business.orderdate  | business.cost  |
+----------------+---------------------+----------------+--+
| jack           | 2017-01-01          | 10             |
| tony           | 2017-01-02          | 15             |
| jack           | 2017-02-03          | 23             |
| tony           | 2017-01-04          | 29             |
| jack           | 2017-01-05          | 46             |
| jack           | 2017-04-06          | 42             |
| tony           | 2017-01-07          | 50             |
| jack           | 2017-01-08          | 55             |
| mart           | 2017-04-08          | 62             |
| mart           | 2017-04-09          | 68             |
| neil           | 2017-05-10          | 12             |
| mart           | 2017-04-11          | 75             |
| neil           | 2017-06-12          | 80             |
| mart           | 2017-04-13          | 94             |
+----------------+---------------------+----------------+--+

4查询顾客上次的购买时间

select name,orderdate cost, 
lag(orderdate,1) 
over (
partition by name 
order by orderdate) last_time
from business

解析:lag(orderdate,1)
此处是以orderdate为分组,1代表往前1条数据
同理,如果是lead函数,lead(orderdate,1) 则表示往后1条数据

相信大家看了之后还是不明白他有什么用处，精髓就在于将聚合的数据和原始数据一同查询出来,避免了自关联连表的资源占用问题,提高了效率。

举个例子：
我们数据库中有一张百万甚至千万级别的表，现在我们要查询，但是，需要A数据中的m字段和B数据中的n字段进行运算，又恰好你的数据是有一定的规律进行运算的，当然通过表的自关联可以解决，但是对于一张数据量大的表来说，自关联可想而知，效率极低。我们就可以利用窗口函数，在表中直接进行分组排序，运算了,这样不仅减少了资源占用,同时提高了运行效率.