窗口函數

窗口函數能夠進行排序，生成序列號等通常的聚合函數沒法實現的高級操做。

窗口函數也稱爲OLAP函數，意思是對數據庫數據進行實時分析處理。窗口函數就是爲了實現OLAP而添加的標準SQL功能。

窗口函數語法：其中[]中的內容能夠省略

 使用格式：   <窗口函數> over ([partition by <列清單>]    order by <排序用列清單>)

窗口函數大致能夠分爲如下兩種：

1.可以做爲窗口函數的聚合函數（sum，avg，count，max，min）

2.rank，dense_rank。row_number等專用窗口函數。

語法的基本使用方法：使用rank函數

rank函數是用來計算記錄排序的函數。

select product_name, product_type, sale_price,
       rank () over (partition by product_type
                            order by sale_price) as ranking
from Product;

partition by 可以設定排序的對象範圍，相似於group by語句，這裏就是以product_type劃分排序範圍。

order by可以指定哪一列，何種順序進行排序。也能夠經過asc，desc來指定升序降序。

窗口函數兼具分組和排序兩種功能。經過partition by分組後的記錄集合稱爲窗口。

然而partition by不是窗口函數所必須的：

select product_name, product_type, sale_price,
       rank () over (order by sale_price) as ranking
from Product;

沒有進行範圍的劃分，直接對所有的商品進行排序。

專用函數的種類：1.rank函數：計算排序時，若是存在相同位次的記錄，則會跳過以後的位次。

                             2.dense_rank函數：一樣是計算排序，即便存在相同位次的記錄，也不會跳過以後的位次。

                             3.row_number函數：賦予惟一的連續位次。

select product_name, product_type, sale_price,
       rank () over (order by sale_price) as ranking,
       dense_rank () over (order by sale_price) as dense_ranking,
       row_number () over (order by sale_price) as row_num
from Product;

因爲窗口函數無需參數，所以一般括號裏都是空的。

窗口函數的適用範圍：只能在select子句中使用。

做爲窗口函數使用的聚合函數：

sum：

select product_id, product_name, sale_price,
       sum(sale_price) over (order by product_id) as current_sum
from Product;

以累計的方式進行計算。

計算出商品編號小於本身的商品的銷售單價的合計值。

avg：

select product_id, product_name, sale_price,
       avg(sale_price) over (order by product_id) as current_sum
from Product;

做爲的統計對象一樣是排在本身之上的記錄。

1行：1000/1

2行：（1000 + 500）/2

3行：（1000+500+4000）/3

...

計算移動平均

窗口函數就是將表以窗口爲單位進行分割，並在其中進行排序的函數。其中還包含在窗口中指定更加詳細的彙總範圍的備選功能，該備選功能中的彙總範圍稱爲框架。

指定最靠近的3行作爲彙總對象：

select product_id, product_name, sale_price,
       avg (sale_price) over (order by product_id
                              rows 2 preceding) as moving_avg
from Product;

指定框架（彙總範圍）：這裏使用的rows（行）和preceding（以前）兩個關鍵字，將框架指定爲截止到以前？行，所以rows 2 preceding就是將框架指定爲截止到以前2行，也就是將做爲彙總對象的記錄限定爲以下的最靠近3行

1.自身（當前記錄）

2.以前1行的記錄

3.以前2行的記錄

因此結果：

假設當前行爲3000，前1行記錄爲4000，前兩行記錄爲500，因此（500+4000+3000）/3=2500

這樣的統計方法稱爲移動平均。

使用關鍵字following（以後）替換preceding，就能夠將框架改成截止到以後？行。

將當前記錄的先後行做爲彙總對象：

select product_id, product_name, sale_price,
       avg(sale_price) over (order by product_id
                              rows between 1 preceding and 1 following) as moving_avg--使用between規劃範圍，語句意思爲rows 1 preceding                                                                                     --到rows 1 following
from Product;

語句意思：1.以前1行的記錄

                  2.自身（當前記錄）

                  3.以後1行的記錄

整的框架就是這樣

仍是假設3000爲當前記錄，框架計算4000爲前一行記錄，6800爲後一行記錄（4000+3000+6800）/3 = 4600

總行數仍是3.

兩個order by

select product_name, product_type, sale_price,
       rank() over (order by product_name) as ranking
from Product;

這時候價格會顯得混亂不堪

能夠在語句最後添加一個order by子句，來約束sale_price

select product_name, product_type, sale_price,
       rank() over (order by product_name) as ranking
from Product
order by sale_price;