Oracle高級查詢之OVER (PARTITION BY ..)

1、rank()/dense_rank() over(partition by ...order by ...)

如今客戶有這樣一個需求，查詢每一個部門工資最高的僱員的信息，相信有必定oracle應用知識的同窗都能寫出下面的SQL語句：

select e.ename, e.job, e.sal, e.deptno  
  from scott.emp e,  
       (select e.deptno, max(e.sal) sal from scott.emp e group by e.deptno) me  
 where e.deptno = me.deptno  
   and e.sal = me.sal;

在知足客戶需求的同時，你們應該習慣性的思考一下是否還有別的方法。這個是確定的，就是使用本小節標題中rank() over(partition by...)或dense_rank() over(partition by...)語法，SQL分別以下：

select e.ename, e.job, e.sal, e.deptno  
  from (select e.ename,  
               e.job,  
               e.sal,  
               e.deptno,  
               rank() over(partition by e.deptno order by e.sal desc) rank  
          from scott.emp e) e  
 where e.rank = 1;

select e.ename, e.job, e.sal, e.deptno  
  from (select e.ename,  
               e.job,  
               e.sal,  
               e.deptno,  
               dense_rank() over(partition by e.deptno order by e.sal desc) rank  
          from scott.emp e) e  
 where e.rank = 1;

爲何會得出跟上面的語句同樣的結果呢？這裏補充講解一下rank()/dense_rank() over(partition by e.deptno order by e.sal desc)語法。
over:   在什麼條件之上。
partition by e.deptno:   按部門編號劃分（分區）。
order by e.sal desc:   按工資從高到低排序（使用rank()/dense_rank() 時，必需要帶order by不然非法）
rank()/dense_rank():   分級
整個語句的意思就是：在按部門劃分的基礎上，按工資從高到低對僱員進行分級，「級別」由從小到大的數字表示（最小值必定爲1）。 

那麼rank()和dense_rank()有什麼區別呢？
rank():  跳躍排序，若是有兩個第一級時，接下來就是第三級。
dense_rank():  連續排序，若是有兩個第一級時，接下來仍然是第二級。

小做業：查詢部門最低工資的僱員信息。

2、min()/max() over(partition by ...)

如今咱們已經查詢獲得了部門最高/最低工資，客戶需求又來了，查詢僱員信息的同時算出僱員工資與部門最高/最低工資的差額。這個仍是比較簡單，在第一節的groupby語句的基礎上進行修改以下：

[sql]  view plain copy

1. select e.ename,  
2.          e.job,  
3.          e.sal,  
4.          e.deptno,  
5.          e.sal - me.min_sal diff_min_sal,  
6.          me.max_sal - e.sal diff_max_sal  
7.     from scott.emp e,  
8.          (select e.deptno, min(e.sal) min_sal, max(e.sal) max_sal  
9.             from scott.emp e  
10.            group by e.deptno) me  
11.    where e.deptno = me.deptno  
12.    order by e.deptno, e.sal;  

上面咱們用到了min()和max()，前者求最小值，後者求最大值。若是這兩個方法配合over(partition by ...)使用會是什麼效果呢？你們看看下面的SQL語句：

[sql]  view plain copy

1. select e.ename,  
2.        e.job,  
3.        e.sal,  
4.        e.deptno,  
5.        nvl(e.sal - min(e.sal) over(partition by e.deptno), 0) diff_min_sal,  
6.        nvl(max(e.sal) over(partition by e.deptno) - e.sal, 0) diff_max_sal  
7.   from scott.emp e;  

這兩個語句的查詢結果是同樣的，你們能夠看到min()和max()實際上求的仍是最小值和最大值，只不過是在partition by分區基礎上的。

小做業：若是在本例中加上order by，會獲得什麼結果呢？

3、lead()/lag() over(partition by ... order by ...)

中國人愛攀比，好面子，聞名世界。客戶更是好這一口，在和最高/最低工資比較完以後還以爲不過癮，此次就提出了一個比較變態的需求，計算我的工資與比本身高一位/低一位工資的差額。這個需求確實讓我非常爲難，在groupby語句中不知道應該怎麼去實現。不過。。。。如今咱們有了over(partition by ...)，一切看起來是那麼的簡單。以下：

[sql]  view plain copy

1. select e.ename,  
2.        e.job,  
3.        e.sal,  
4.        e.deptno,  
5.        lead(e.sal, 1, 0) over(partition by e.deptno order by e.sal) lead_sal,  
6.        lag(e.sal, 1, 0) over(partition by e.deptno order by e.sal) lag_sal,  
7.        nvl(lead(e.sal) over(partition by e.deptno order by e.sal) - e.sal,  
8.            0) diff_lead_sal,  
9.        nvl(e.sal - lag(e.sal) over(partition by e.deptno order by e.sal), 0) diff_lag_sal  
10.   from scott.emp e;   

看了上面的語句後，你們是否也會以爲虛驚一場呢（驚出一身冷汗後忽然雞凍起來，這樣容易感冒）？咱們仍是來說解一下上面用到的兩個新方法吧。
lead(列名,n,m):   當前記錄後面第n行記錄的<列名>的值，沒有則默認值爲m；若是不帶參數n,m，則查找當前記錄後面第一行的記錄<列名>的值，沒有則默認值爲null。
lag(列名,n,m):   當前記錄前面第n行記錄的<列名>的值，沒有則默認值爲m；若是不帶參數n,m，則查找當前記錄前面第一行的記錄<列名>的值，沒有則默認值爲null。

下面再列舉一些經常使用的方法在該語法中的應用（注：帶order by子句的方法說明在使用該方法的時候必需要帶order by）：

[sql]  view plain copy

1. select e.ename,  
2.        e.job,  
3.        e.sal,  
4.        e.deptno,  
5.        first_value(e.sal) over(partition by e.deptno) first_sal,  
6.        last_value(e.sal) over(partition by e.deptno) last_sal,  
7.        sum(e.sal) over(partition by e.deptno) sum_sal,  
8.        avg(e.sal) over(partition by e.deptno) avg_sal,  
9.        count(e.sal) over(partition by e.deptno) count_num,  
10.        row_number() over(partition by e.deptno order by e.sal) row_num  
11.   from scott.emp e;  

重要提示：你們在讀完本片文章以後可能會有點誤解，就是OVER (PARTITION BY ..)比GROUP BY更好，實際並不是如此，前者不可能替代後者，並且在執行效率上前者也沒有後者高，只是前者提供了更多的功能而已，因此但願你們在使用中要根據需求狀況進行選擇。