Oracle高级查询之OVER (PARTITION BY ..)

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

如今客户有这样一个需求，查询每一个部门工资最高的雇员的信息，相信有必定oracle应用知识的同窗都能写出下面的SQL语句：

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;

在知足客户需求的同时，你们应该习惯性的思考一下是否还有别的方法。这个是确定的，就是使用本小节标题中rank() over(partition by...)或dense_rank() over(partition by...)语法，SQL分别以下：

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;

为何会得出跟上面的语句同样的结果呢？这里补充讲解一下rank()/dense_rank() over(partition by e.deptno order by e.sal desc)语法。
over:   在什么条件之上。
partition by e.deptno:   按部门编号划分（分区）。
order by e.sal desc:   按工资从高到低排序（使用rank()/dense_rank() 时，必需要带order by不然非法）
rank()/dense_rank():   分级
整个语句的意思就是：在按部门划分的基础上，按工资从高到低对雇员进行分级，“级别”由从小到大的数字表示（最小值必定为1）。 

那么rank()和dense_rank()有什么区别呢？
rank():  跳跃排序，若是有两个第一级时，接下来就是第三级。
dense_rank():  连续排序，若是有两个第一级时，接下来仍然是第二级。

小做业：查询部门最低工资的雇员信息。

2、min()/max() over(partition by ...)

如今咱们已经查询获得了部门最高/最低工资，客户需求又来了，查询雇员信息的同时算出雇员工资与部门最高/最低工资的差额。这个仍是比较简单，在第一节的groupby语句的基础上进行修改以下：

[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;  

上面咱们用到了min()和max()，前者求最小值，后者求最大值。若是这两个方法配合over(partition by ...)使用会是什么效果呢？你们看看下面的SQL语句：

[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;  

这两个语句的查询结果是同样的，你们能够看到min()和max()实际上求的仍是最小值和最大值，只不过是在partition by分区基础上的。

小做业：若是在本例中加上order by，会获得什么结果呢？

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

中国人爱攀比，好面子，闻名世界。客户更是好这一口，在和最高/最低工资比较完以后还以为不过瘾，此次就提出了一个比较变态的需求，计算我的工资与比本身高一位/低一位工资的差额。这个需求确实让我非常为难，在groupby语句中不知道应该怎么去实现。不过。。。。如今咱们有了over(partition by ...)，一切看起来是那么的简单。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;   

看了上面的语句后，你们是否也会以为虚惊一场呢（惊出一身冷汗后忽然鸡冻起来，这样容易感冒）？咱们仍是来说解一下上面用到的两个新方法吧。
lead(列名,n,m):   当前记录后面第n行记录的<列名>的值，没有则默认值为m；若是不带参数n,m，则查找当前记录后面第一行的记录<列名>的值，没有则默认值为null。
lag(列名,n,m):   当前记录前面第n行记录的<列名>的值，没有则默认值为m；若是不带参数n,m，则查找当前记录前面第一行的记录<列名>的值，没有则默认值为null。

下面再列举一些经常使用的方法在该语法中的应用（注：带order by子句的方法说明在使用该方法的时候必需要带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：你们在读完本片文章以后可能会有点误解，就是OVER (PARTITION BY ..)比GROUP BY更好，实际并不是如此，前者不可能替代后者，并且在执行效率上前者也没有后者高，只是前者提供了更多的功能而已，因此但愿你们在使用中要根据需求状况进行选择。