窗口函数总结

窗口函数本身是可以按照partition进行分区然后进行聚合函数的

第1类

Row_Number,Rank，Dense_Rank
排序窗口函数，不过多介绍

第2类

SUM、AVG、MIN、MAX
作用之一是求第一行的数据不断往后累加得出

1行
1+2行
1+2+3行
1+2+3+4行

此类可以附带参数选择特定的多少行

• PRECEDING：往前
• FOLLOWING：往后
• CURRENT ROW：当前行
• UNBOUNDED：起点
• UNBOUNDED
• PRECEDING 表示从前面的起点
• UNBOUNDED FOLLOWING：表示到后面的终点
  
  
  有排序和不排序完全不同
  排序：分组内排序后数据不断累积，比如sum后 1、2、 3 、6 、12 为新列
  没有 order 只有 partition，12、12 、12、12、12

第3类

NTILE：用于将分组数据按照顺序切分成n片，返回当前切片值，如果切片不均匀，默认增加第一个切片的分布。NTILE不支持ROWS BETWEEN
使用场景：

1. 如一年中，统计出工资前1/5之的人员的名单，使用NTILE分析函数,把所有工资分为5份，为1的哪一份就是我们想要的结果.
2. sale前20%或者50%的用户ID
   
   

第4类

LEAD,LAG,FIRST_VALUE,LAST_VALUE

lag与lead函数可以返回上下行的数据

LEAD(col,n,DEFAULT) 用于统计窗口内往下第n行值
第一个参数为列名，第二个参数为往下第n行（可选，默认为1），第三个参数为默认值（当往下第n行为NULL时候，取默认值，如不指定，则为NULL）
LAG(col,n,DEFAULT) 用于统计窗口内往上第n行值
第一个参数为列名，第二个参数为往上第n行（可选，默认为1），第三个参数为默认值（当往上第n行为NULL时候，取默认值，如不指定，则为NULL）

使用场景：通常用于统计某用户在某个网页上的停留时间

FIRST_VALUE:取分组内排序后，截止到当前行，第一个值
LAST_VALUE:取分组内排序后，截止到当前行,最后一个值


如果不指定ORDER BY，则默认按照记录在文件中的偏移量进行排序，会出现错误的结果

第5类

很少用到
CUME_DIST，PERCENT_RANK

CUME_DIST 小于等于当前值的行数/分组内总行数
比如，统计小于等于当前薪水的人数，所占总人数的比例

PERCENT_RANK 分组内当前行的RANK值-1/分组内总行数-1