1、窗口函数
窗口函数的关键字 partition by 和 order by
partition by 是用来分组，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。
order by 升序降序和它自己本身的用法一致，默认升序，order by col desc 降序。

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

image.png

2、rank & dense_rank & row_number
rank() : 同名次保留，rank值不连续；100，100，100，50为1，1，1，4
dense_rank() : 同名次保留排序，rank值连续；100，100，100，50为1，1，1，2
row_number() : 按字面意思，行序的值

image.png

3、取得累计结果：
！！！这个是很实用的！！！

select product_id,
       product_name,
       sale_price,
       sum(sale_price) over (order by product_id) as current_sum,
       avg(sale_price) over (order by product_id) as current_avg
    from product;

image.png

image.png

4、移动平均
！！！这个也是很实用的！！！
3是平均了所有的了，这个可以加个窗口，主要是用于按照一列排序后取定值窗口的平均，而不是像partition by一样对某一个col做分区之后的区域平均!!!

rows n preceding: 之前的n行加上自身行的窗口
rows between n preceding and m following: 之前的n行加上自身行加上之后的m行的窗口

注意没有 rows m following 的写法！！！！
如果要实现后m列的相加(含自身)，要使用rows between 0 preceding and m following

image.png

5、group by 加上小计和合计
这个蛮实用的
只需要在本身的group by 语法后面加上with rollup

image.png

练习题：

image.png

答：本记录之前（含本记录）最大的sale_price 为此纪录Current_max_price字段

image.png

答：直接默认的就是null在第一位

select regist_date,
       sum(sale_price) over (partition by regist_date) as sale_price_all_today
    from product
    order by regist_date;

image.png

image.png

答：1、不指定partition by就相当于以整体为一个分区。
2、我理解，窗口函数本身，应该是一种分组，类似于groupby ，但是 groupby是依附于键值（column）的，窗口是是依附于分区的，这种分区有可能是显式的，partition by ，也有可能是隐式的按位置 preceding 和 following 和order by。
分区之后的聚合应该和group by 的逻辑一样，group by之后再select聚合
那就应该是在SELECT部分做聚合+窗口over()