窗口函数

窗口函数能够进行排序，生成序列号等通常的聚合函数没法实现的高级操做。

窗口函数也称为OLAP函数，意思是对数据库数据进行实时分析处理。窗口函数就是为了实现OLAP而添加的标准SQL功能。

窗口函数语法：其中[]中的内容能够省略

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

窗口函数大致能够分为如下两种：

1.可以做为窗口函数的聚合函数（sum，avg，count，max，min）

2.rank，dense_rank。row_number等专用窗口函数。

语法的基本使用方法：使用rank函数

rank函数是用来计算记录排序的函数。

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

partition by 可以设定排序的对象范围，相似于group by语句，这里就是以product_type划分排序范围。

order by可以指定哪一列，何种顺序进行排序。也能够经过asc，desc来指定升序降序。

窗口函数兼具分组和排序两种功能。经过partition by分组后的记录集合称为窗口。

然而partition by不是窗口函数所必须的：

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

没有进行范围的划分，直接对所有的商品进行排序。

专用函数的种类：1.rank函数：计算排序时，若是存在相同位次的记录，则会跳过以后的位次。

                             2.dense_rank函数：一样是计算排序，即便存在相同位次的记录，也不会跳过以后的位次。

                             3.row_number函数：赋予惟一的连续位次。

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;

因为窗口函数无需参数，所以一般括号里都是空的。

窗口函数的适用范围：只能在select子句中使用。

做为窗口函数使用的聚合函数：

sum：

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

以累计的方式进行计算。

计算出商品编号小于本身的商品的销售单价的合计值。

avg：

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

做为的统计对象一样是排在本身之上的记录。

1行：1000/1

2行：（1000 + 500）/2

3行：（1000+500+4000）/3

...

计算移动平均

窗口函数就是将表以窗口为单位进行分割，并在其中进行排序的函数。其中还包含在窗口中指定更加详细的汇总范围的备选功能，该备选功能中的汇总范围称为框架。

指定最靠近的3行作为汇总对象：

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（汇总范围）：这里使用的rows（行）和preceding（以前）两个关键字，将框架指定为截止到以前？行，所以rows 2 preceding就是将框架指定为截止到以前2行，也就是将做为汇总对象的记录限定为以下的最靠近3行

1.自身（当前记录）

2.以前1行的记录

3.以前2行的记录

因此结果：

假设当前行为3000，前1行记录为4000，前两行记录为500，因此（500+4000+3000）/3=2500

这样的统计方法称为移动平均。

使用关键字following（以后）替换preceding，就能够将框架改成截止到以后？行。

将当前记录的先后行做为汇总对象：

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规划范围，语句意思为rows 1 preceding                                                                                     --到rows 1 following
from Product;

语句意思：1.以前1行的记录

                  2.自身（当前记录）

                  3.以后1行的记录

整的框架就是这样

仍是假设3000为当前记录，框架计算4000为前一行记录，6800为后一行记录（4000+3000+6800）/3 = 4600

总行数仍是3.

两个order by

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

这时候价格会显得混乱不堪

能够在语句最后添加一个order by子句，来约束sale_price

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