窗口函数
窗口函数也称为OLAP函数，全称Online Analytical Processing，意为对数据库进行实时分析处理 。
- 窗口函数的语法
语法：
<窗口函数> OVER ([PARTITION BY <列清单>]
ORDER BY <排序用清单列>)
其中重要的关键字是PARTITION和ORDER BY，理解这两个关键词的作用是帮助理解窗口函数的关键。
能够作为窗口函数使用的函数
窗口函数大致可以分为以下两种：
1.能够作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函数如其名，是用来计算记录排序的函数。
--各类商品按照销售单价从低到高排序
SELECT shop_name,shop_type,sell_price,
RANK () OVER (PARTITION BY shop_type ORDER BY sell_price) AS ranking
FROM shop_list;
+-----------+-----------+------------+---------+
| shop_name | shop_type | sell_price | ranking |
+-----------+-----------+------------+---------+
| 砧板 | 厨房用具 | 2000 | 1 |
| 菜刀 | 厨房用具 | 6000 | 2 |
| 打孔器 | 工具 | 600 | 1 |
| 扳手 | 工具 | 3000 | 2 |
| T恤衫 | 衣服 | 2000 | 1 |
| 运动T恤 | 衣服 | 3000 | 2 |
+-----------+-----------+------------+---------+
PARTITION BY能够设定排序的对象范围，示例中我们按照商品的种类进行排序。
ORDER BY可以指定按照哪一列、哪一种顺序进行排列。为了按照销售单价的升序进行排列，我们指定了sell_price。
窗口函数中的ORDER BY可以通过在末尾加上关键字ASC/DESC来指定升序和降序。省略该关键字默认为升序。
- 无须指定PARTITION BY
使用窗口函数起到关键作用的是PARTITION BY和ORDER BY。其中，PARTITION BY不是必须的，不指定也是可以正常使用窗口的。
--不使用PARTITION BY指定列的情况
SELECT shop_name,shop_type,sell_price,
RANK () OVER (ORDER BY sell_price) AS ranking
FROM shop_list;
+-----------+-----------+------------+---------+
| shop_name | shop_type | sell_price | ranking |
+-----------+-----------+------------+---------+
| 打孔器 | 工具 | 600 | 1 |
| T恤衫 | 衣服 | 2000 | 2 |
| 砧板 | 厨房用具 | 2000 | 2 |
| 运动T恤 | 衣服 | 3000 | 4 |
| 扳手 | 工具 | 3000 | 4 |
| 菜刀 | 厨房用具 | 6000 | 6 |
+-----------+-----------+------------+---------+
不使用PARTITION BY指定列，变成了全部商品的排序。
- 专用窗口函数的种类
如上面排序结果有两个第2位，因此下一位直接跳过第3位变成第4位。有些特殊情况下，可能需要1，2，3，4这种不需要跳过的排序，这时就需要RANK之外的函数来实现了。
RANK函数：计算排序时，如果存在相同的位次的记录，则会跳过位次。
DENSE_RANK函数：计算排序时，即使存在相同位次的记录，也不会跳过相同的位次。
ROW_NUMBER函数：赋予唯一的连续位次。
--比较三种函数的区别
SELECT shop_name,shop_type,sell_price,
RANK () OVER (ORDER BY sell_price) AS ranking,
DENSE_RANK () OVER (ORDER BY sell_price) AS dense_ranking,
ROW_NUMBER () OVER (ORDER BY sell_price) AS row_num
FROM shop_list;
+-----------+-----------+------------+---------+---------------+---------+
| shop_name | shop_type | sell_price | ranking | dense_ranking | row_num |
+-----------+-----------+------------+---------+---------------+---------+
| 打孔器 | 工具 | 600 | 1 | 1 | 1 |
| T恤衫 | 衣服 | 2000 | 2 | 2 | 2 |
| 砧板 | 厨房用具 | 2000 | 2 | 2 | 3 |
| 运动T恤 | 衣服 | 3000 | 4 | 3 | 4 |
| 扳手 | 工具 | 3000 | 4 | 3 | 5 |
| 菜刀 | 厨房用具 | 6000 | 6 | 4 | 6 |
+-----------+-----------+------------+---------+---------------+---------+
窗口函数的适用范围
窗口函数只能在SELECT子句中使用，另外，这类函数不能在WHERE子句或者GROUP BY子句中使用。
因为窗口函数的目的是排序，当我们使用WHERE去除了某些记录或者使用GROUP BY对记录进行聚合处理，排序的结果就是错误的，因此没有任何意义。
所以，SELECT之外使用窗口函数是没有意义的。作为窗口函数使用聚合函数
所有的聚合函数都能用在窗口函数，其语法和专用窗口函数完全相同。
--将SUM函数作为窗口函数
SELECT shop_id,shop_name,sell_price,
SUM(sell_price) OVER (ORDER BY shop_id)AS current_sum
FROM shop_list;
+---------+-----------+------------+-------------+
| shop_id | shop_name | sell_price | current_sum |
+---------+-----------+------------+-------------+
| 0001 | T恤衫 | 2000 | 2000 |
| 0002 | 打孔器 | 600 | 2600 |
| 0003 | 运动T恤 | 3000 | 5600 |
| 0004 | 菜刀 | 6000 | 11600 |
| 0005 | 砧板 | 2000 | 13600 |
| 0006 | 扳手 | 3000 | 16600 |
+---------+-----------+------------+-------------+
- 计算移动平均
窗口函数就是将表以窗口位单位进行分割，并在其中进行排序的函数。其实其中还包括在窗口中指定更加详细的统计范围的备选功能。该备选功能中的统计范围称为"框架"。
--指定"最靠近的3行"作为统计对象
SELECT shop_id,shop_name,sell_price,
-> AVG(sell_price) OVER (ORDER BY shop_id ROWS 2 PRECEDING)AS moving_avg
-> FROM shop_list;
+---------+-----------+------------+------------+
| shop_id | shop_name | sell_price | moving_avg |
+---------+-----------+------------+------------+
| 0001 | T恤衫 | 2000 | 2000.0000 |
| 0002 | 打孔器 | 600 | 1300.0000 |
| 0003 | 运动T恤 | 3000 | 1866.6667 |
| 0004 | 菜刀 | 6000 | 3200.0000 |
| 0005 | 砧板 | 2000 | 3666.6667 |
| 0006 | 扳手 | 3000 | 3666.6667 |
+---------+-----------+------------+------------+
从编号0003的数据开始数据有所不同，我们制定了框架——指定"最靠近的3行"作为统计对象，这里使用了ROWS（行）和PRECEDING(之前）两个关键字，将框架指定为"截止到之前~行"，因此ROWS 2 PRECEDING的意思就是截止到之前2行。
由于框架是根据当前记录决定的，所有和固定的窗口不一样，其范围会随着当前的记录的变化而变化。
自身（当前记录）→之前1行的记录→之前2行的记录
这样的统计方法称为移动平均。由于这种方法在希望实时把握最近状态时非常方便，所以常常会应用在对股市趋势的实时跟踪中。
使用关键字FOLLOWING(之后）替换PRECEDING，就可以指定"截至到之后~行"作为框架了。
- 两个ORDER BY
窗口函数中的ORDER BY只是对排序的序号进行了排列，那么如何对排序做降序呢？
很简单，在末尾加上ORDER BY子句就行了。
SELECT shop_id,shop_name,sell_price,
RANK() OVER (ORDER BY sell_price)AS ranking
FROM shop_list
ORDER BY ranking DESC;
+---------+-----------+------------+---------+
| shop_id | shop_name | sell_price | ranking |
+---------+-----------+------------+---------+
| 0004 | 菜刀 | 6000 | 6 |
| 0003 | 运动T恤 | 3000 | 4 |
| 0006 | 扳手 | 3000 | 4 |
| 0001 | T恤衫 | 2000 | 2 |
| 0005 | 砧板 | 2000 | 2 |
| 0002 | 打孔器 | 600 | 1 |
+---------+-----------+------------+---------+
GROUPING运算符
- 同时计算出合计值
我们在使用GROUP BY子句合计各个种类的总价的时候，会得到如下的表：
+-----------+-----------------+
| shop_type | sum(sell_price) |
+-----------+-----------------+
| 衣服 | 5000 |
| 工具 | 3600 |
| 厨房用具 | 8000 |
+-----------+-----------------+
但是如果想要将这几个种类合计到一起，那么就需要UNION ALL将他们连接到一起了。
SELECT '合计' AS shop_type,SUM(sell_price)
FROM shop_list
UNION ALL
SELECT shop_type,SUM(sell_price)
FROM shop_list
GROUP BY shop_type;
+-----------+-----------------+
| shop_type | sum(sell_price) |
+-----------+-----------------+
| 合计 | 16600 |
| 衣服 | 5000 |
| 工具 | 3600 |
| 厨房用具 | 8000 |
+-----------+-----------------+
这样虽然能计算出我们想要的结果，但是需要执行两次相同的SELECT语句，再将其结果连接，不仅繁琐，而且DBMS内部处理成本也非常高。因此，我们需要试着找出其他更高效的方法。
- ROLLUP——同时计算出合计值和小计值
为了满足类似上面的要求，标准SQL引入了GROUPING运算符，GROUPING运算符主要包括以下几种：
1.ROLLUP
2.CUBE
3.GROUPING SETS
ROLLUP的用法
SELECT shop_type,SUM(sell_price) AS sum_price
FROM shop_list
GROUP BY shop_type WITH ROLLUP;
+-----------+-----------+
| shop_type | sum_price |
+-----------+-----------+
| 厨房用具 | 8000 |
| 工具 | 3600 |
| 衣服 | 5000 |
| NULL | 16600 |
+-----------+-----------+
该运算符的作用，就是"一次计算出不同聚合键的组合结果"，其计算结果默认使用NULL作为聚合键。
将"登记日期"添加到聚合键中
--不使用ROLLUP的结果
SELECT shop_type,register_date,SUM(sell_price) AS sum_price
FROM shop_list
GROUP BY shop_type,register_date;
+-----------+---------------+-----------+
| shop_type | register_date | sum_price |
+-----------+---------------+-----------+
| 衣服 | 2009-09-20 | 5000 |
| 工具 | 2009-09-20 | 3600 |
| 厨房用具 | 2009-09-20 | 8000 |
+-----------+---------------+-----------+
--使用ROLLUP的结果
SELECT shop_type,register_date,SUM(sell_price) AS sum_price
FROM shop_list
GROUP BY shop_type,register_date WITH ROLLUP;
+-----------+---------------+-----------+
| shop_type | register_date | sum_price |
+-----------+---------------+-----------+
| 厨房用具 | 2009-09-20 | 8000 |
| 厨房用具 | NULL | 8000 | ←小计
| 工具 | 2009-09-20 | 3600 |
| 工具 | NULL | 3600 |
| 衣服 | 2009-09-20 | 5000 |
| 衣服 | NULL | 5000 |
| NULL | NULL | 16600 | ←合计
+-----------+---------------+-----------+
将两次结果做比较之后，发现使用ROLLUP多出了对每个类别的小计（使用了未登记日期作为聚合键）。
- GROUPING函数——让NULL更加容易分辨
在使用ROLLUP的时候，出现了几处NULL，当日期本身为NULL时，那么NULL代表的意义就不太明确了。为了避免混淆，SQL提供了一个用来判断超级分组记录为NULL的特定函数——GROUPING函数。该函数在其参数列的值为超级分组记录所产生的NULL时返回1，其他情况返回0。
SELECT GROUPING(shop_type)AS shop_type,GROUPING(register_date)AS register_date,SUM(sell_price)AS sum_price
FROM shop_list
GROUP BY shop_type,register_date WITH ROLLUP;
+-----------+---------------+-----------+
| shop_type | register_date | sum_price |
+-----------+---------------+-----------+
| 0 | 0 | 8000 |
| 0 | 1 | 8000 |
| 0 | 0 | 3600 |
| 0 | 1 | 3600 |
| 0 | 0 | 5000 |
| 0 | 1 | 5000 |
| 1 | 1 | 16600 | ←超级分组产生的NULL返回1
+-----------+---------------+-----------+
该表对应上面ROLLUP产生的表，查找NULL的位置就能知道是不是超级分组产生的了。
使用GROUPING函数还能在超级分组记录的键中插入字符串。也就是说，当GROUPING函数返回值为1时，指定”合计“和”小计“等字符串，其他情况返回正常的列的值。
SELECT CASE WHEN GROUPING(shop_type)=1
THEN '商品种类合计'
ELSE shop_type END AS shop_type,
CASE WHEN GROUPING(register_date)=1
THEN '登记日期合计'
ELSE register_date END AS register_date,
SUM(sell_price) AS sum_price
FROM shop_list
GROUP BY shop_type,register_date WITH ROLLUP;
+--------------+---------------+-----------+
| shop_type | register_date | sum_price |
+--------------+---------------+-----------+
| 厨房用具 | 2009-09-20 | 8000 |
| 厨房用具 | 登记日期合计 | 8000 |
| 工具 | 2009-09-20 | 3600 |
| 工具 | 登记日期合计 | 3600 |
| 衣服 | 2009-09-20 | 5000 |
| 衣服 | 登记日期合计 | 5000 |
| 商品种类合计 | 登记日期合计 | 16600 |
+--------------+---------------+-----------+
CUBE——用数据搭积木
CUBE是立方体的意思，和ROLLUP一样，生动地说明了其作用。CUBE和ROLLUP的语法一样，只要将ROLLUP用CUBE代替就行了。GROUPING SETS——取得期望的积木
该运算符可以从ROLLUP和CUBE结果中取得部分记录（即GROUPING返回值为1的数据）。