5.1窗口函数
5.1.1窗口函数概念及基本的使用方法
窗口函数也称为OLA**P**函数。OLAP 是OnLine AnalyticalProcessing 的简称，意思是对数据库数据进行实时分析处理。常规的select语句对整张表进行查询，而窗口函数则是有选择地选取某一部分数据进行汇总、计算和排序。
窗口函数的通用形式：（[ ]中的内容可以省略）
<窗口函数> OVER ([PARTITION BY <列名>]
ORDER BY <排序用列名>)
PARTITON BY用来分组，即选择要看哪个窗口，类似于GROUP BY 子句的分组功能，但是PARTITION BY 子句并不具备GROUP BY 子句的汇总功能，并不会改变原始表中记录的行数。ORDER BY是用来排序，即决定窗口内，是按哪种规则(字段)来排序的，末尾可以使用关键字ASC/DESC来指定升序/降序，省略时会默认按照ASC。
select product_name,
product_type,
sale_price,
rank() over (partition by product_type
order by sale_price) as ranking
from product;
5.2窗口函数种类
主要分为两类：一、将SUM、MAX、MIN等聚合函数用在窗口函数中
二、 RANK、DENSE_RANK等排序用的专用窗口函数
5.2.1专用窗口函数
RANK函数**（英式排序）**
排序时，存在相同位次，则会跳过之后的位次。（有 3 条记录排在第 1 时：1 、1 、1 、4 ……）
DENSE_RANK函数**（中式排序）**
排序时，存在相同位次，不会跳过之后的位次。（有 3 条记录排在第 1 时：1 、1 、1 、2 ……）
ROW_NUMBER函数
赋予唯一的连续位次。（有 3 条记录排在第 1 时：1 、2 、3 、4 ......）
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 rum_ranking
from product;
5.2.2聚合函数在窗口函数上的使用
聚合函数在窗口函数中的使用方法和之前的专用窗口函数一样，只是出来的结果是一个累计的聚合函数值。
select product_name,
product_type,
sale_price,
sum(sale_price) over (order by sale_price) as current_sum,
avg(sale_price) over (order by sale_price) as current_avg
from product;
聚合函数结果是，按我们指定的排序，这里是product_id，当前所在行及之前所有的行的合计或均值。即累计到当前行的聚合。
5.3窗口函数的的应用 - 计算移动平均
聚合函数在窗口函数使用时，计算的是累积到当前行的所有数据的聚合。实际上，还可以指定更加详细的汇总范围。该汇总范围成为框架(**frame**)。语法如下：
<窗口函数> OVER (ORDER BY <排序用列名>
ROWS n PRECEDING)
<窗口函数> OVER (ORDER BY <排序用列名>
ROWS BETWEEN n PRECEDING AND n FOLLOWING)
PRECEDING（“之前”）， 将框架指定为 “截止到之前 n 行”，加上自身行 FOLLOWING（“之后”）， 将框架指定为 “截止到之后 n 行”，加上自身行 BETWEEN n PRECEDING AND m FOLLOWING，将框架指定为 “之前n行” + “之后m行” + “自身”
5.3.1窗口函数适用范围和注意事项
原则上，窗口函数只能在SELECT子句中使用。
窗口函数OVER 中的ORDER BY 子句并不会影响最终结果的排序。其只是用来决定窗口函数按何种顺序计算
5.4GROUPING运算符
5.4.1ROLLUP - 计算合计及小计
常规的GROUP BY只能得到每个分类的小计,有时候需要计算分类的合计,可以用 ROLLUP关键字。
select product_type,
regist_date,
sum(sale_price) as sum_price
from product
group by product_type, regist_date with rollup;
ROLLUP 对product_type, regist_date两列进行合计汇总。结果实际上有三层聚合，如下图 模块3是常规的 GROUP BY 的结果，需要注意的是衣服 有个注册日期为空的，这是本来数据就存在日期为空的，不是对衣服类别的合计； 模块2和1是 ROLLUP 带来的合计，模块2是对产品种类的合计，模块1是对全部数据的总计。ROLLUP 可以对多列进行汇总求小计和合计。
练习题
5.1 按照product_id升序排列得到的截止当前行的最大销售额。
5.2
select product_id, product_name, product_type, sale_price, regist_date, sum(sale_price) over (order by regist_date) as current_sum_price
from product
group by regist_date with rollup;
5.3 思考题：
（1）窗口函数不指定PARTITION BY的效果是什么？ 不指定partition by的效果是对于select中选取的字段，都按照order by后的排序列进行全局排序。
（2）为什么说窗口函数只能在SELECT子句中使用？实际上，在ORDER BY 子句使用系统并不会报错。 本质上是因为 SQL 语句的执行顺序。 FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY。如果在 WHERE, GROUP BY, HAVING 使用了窗口函数，就是说提前进⾏了⼀次排序，排序之后再去除记录、汇总、汇总过滤，第⼀次排序结果就是错误的，没有实际意义。而ORDER BY 语句执行顺序在
SELECT 语句之后，使用上没问题。
