0


MySQL8.0数据库开窗函数

简介

  数据库开窗函数是一种在SQL中使用的函数,它可以用来对结果集中的数据进行分组和排序,以便更好地分析和处理数据。开窗函数与聚合函数不同,它不会将多行数据聚合成一行,而是保留每一行数据,并对其进行分组和排序。

常见的开窗函数包括ROW_NUMBER()、RANK()、DENSE_RANK()、NTILE()、LAG()、LEAD()等。这些函数可以帮助用户在结果集中生成分组和排序的结果,以便更好地理解和分析数据。

例如,使用ROW_NUMBER()函数可以根据一个或多个字段对结果集进行分组,并在每个分组内生成一个行号,以便用户可以轻松地跟踪数据。使用LAG()和LEAD()函数可以在结果集中的每一行之前和之后提取数据,以便用户可以查看当前行之前或之后的数据。

开窗函数是SQL中非常有用的工具,可以帮助用户对结果集中的数据进行分组和排序,以便更好地分析和处理数据。

MySQL 官方文档: https://dev.mysql.com/doc/refman/8.0/en/window-functions.html

注意: 官方解释 开窗函数只有MySQL8.0版本之后才有哦。

一、开窗函数 与 聚合函数 有什么区别?

  • 数据处理范围:聚合函数只能对整个数据表或者数据集进行操作,计算结果为单一值。而开窗函数则可以对每个行进行操作,计算结果会在每个行上显示。
  • 计算结果:聚合函数的计算结果只有一个,通常用于执行诸如求和、取平均值、计算最大值/最小值等的操作。而开窗函数的计算结果可以有多个,它提供给查询结果集中每一行的附加列。
  • 语法:聚合函数通常用于SELECT语句中的SELECT子句和HAVING子句,而开窗函数通常在OVER关键字后使用。

二、官方解释的开窗函数

  • 翻译

官方说的很官方,稍有点难以理解还是。

三、开窗函数细分

3.1、序号

  • **ROW_NUMBER()**:该函数可以根据一个或多个字段对结果集进行分组,并在每个分组内生成一个行号,以便用户可以轻松地跟踪数据。
  • **RANK()**:该函数可以根据一个或多个字段对结果集进行排序,并在每个排序中生成一个排名,以便用户可以了解数据的大小和顺序。
  • **DENSE_RANK()**:该函数可以根据一个或多个字段对结果集进行排序,并在每个排序中生成一个排名,但跳过的位次比RANK()函数少一位。

3.2、分布

  • **PERCENT RANK()**:函数用于计算数据集中每个值的百分比排名。
  • **CUME_DIST()**:函数用于计算数据集中每个值的累积密度排名。

3.3、前后

  • **LAG()**:该函数可以在结果集中的每一行之前提取数据,以便用户可以查看当前行之前的数据。
  • **LEAD()**:该函数可以在结果集中的每一行之后提取数据,以便用户可以查看当前行之后的数据。

3.4、首尾

  • **FIRST_VALUE()**:函数返回结果集的有序分区中的第一个值。
  • **LAST_VALUE()**:函数返回结果集的有序分区中的最后一个值。

3.5、其它

  • **NTILE()**:该函数可以根据一个或多个字段对结果集进行分组,并将每个分组分配到指定数量的桶中,以便用户可以更好地分析和分组数据。
  • **NTH_VALUE()**:函数返回结果集的有序分区中第n行的值。

四、语法使用

4.1、语法结构

<窗口函数> OVER ([PARTITION BY <分组列>] [ORDER BY <排序列> {ASC|DESC}] [<行窗口>|<范围窗口>] [<开始位置>|<结束位置>|<长度>])
  • <窗口函数>表示要执行的聚合函数,如SUM、AVG、MAX、MIN、COUNT等;
  • <分组列>表示要进行分组的列;
  • <排序列>表示按照哪个列进行排序,可以指定多个排序列,用逗号分隔;
  • <行窗口>和<范围窗口>分别表示行级窗口和范围级窗口;
  • <开始位置>、<结束位置>和<长度>表示窗口的起始位置、结束位置和长度。

在 MySQL 8.0 中,行窗口是指一组连续的行,这些行被视为一个整体,并且可以用于窗口函数的计算。

行窗口由以下关键字指定:

  • ROWS:表示行窗口。
  • BETWEEN:用于指定行窗口的起始位置和结束位置。
  • PRECEDING:表示行窗口的起始位置。
  • FOLLOWING:表示行窗口的结束位置。

常用的行窗口指定方式:

  • ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW:表示从结果集的第一个行到当前行,包括当前行。
  • ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING:表示从当前行到结果集的最后一个行,包括当前行。
  • ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING:表示包含当前行在内的前后各一行。

说明: 行窗口可以用于计算每组的总和、平均值、计数等聚合操作,也可以用于计算每个行的排名、累积和等操作。

4.2、普通聚合函数做开窗函数

  • 普通聚合函数只能对整个数据表或者数据集进行操作,计算结果为单一值。而开窗函数可以针对每个行进行操作,计算结果会在每个行上显示。

4.2.1、表结构

DROP TABLE IF EXISTS `order_for_goods`;
CREATE TABLE `order_for_goods`  (
  `order_id` int(0) NOT NULL AUTO_INCREMENT,
  `user_id` int(0) NULL DEFAULT NULL,
  `money` decimal(10, 2) NULL DEFAULT NULL,
  `quantity` int(0) NULL DEFAULT NULL,
  `join_time` datetime(0) NULL DEFAULT NULL,
  PRIMARY KEY (`order_id`) USING BTREE
) ENGINE = InnoDB AUTO_INCREMENT = 12 CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;

4.2.2、表数据

INSERT INTO order_for_goods (user_id, money, quantity, join_time )
VALUES
    ( 1001, 1800.90, 1, '2023-06-07'),
    ( 1001, 3600.89, 5, '2023-05-02'),
    ( 1001, 1000.10, 6, '2023-01-08'),
    ( 1002, 1100.90, 9, '2023-04-07'),
    ( 1002, 4500.99, 1, '2023-03-14'),
    ( 1003, 2500.10, 3, '2023-02-14'),
    ( 1002, 2500.90, 1, '2023-03-14'),
    ( 1003, 2500.90, 1, '2022-12-12'),
    ( 1003, 2500.90, 2, '2022-09-08'),
    ( 1003, 6000.90, 8, '2023-01-10');

4.2.3、普通函数做开窗函数

1、语句如下

select 
    *,
    sum(money) over(partition by user_id order by order_id) as alias_sum,
    avg(money) over(partition by user_id order by order_id) as alias_avg,
    max(money) over(partition by user_id order by order_id) as alias_max,
    min(money) over(partition by user_id order by order_id) as alias_min,
    count(money) over(partition by user_id order by order_id) as alias_count
from order_for_goods;
  • 从 order_for_goods 表中选择了所有的列,并计算了每个用户在每个订单中的总金额、平均金额、最大金额、最小金额和计数。
  • 这个查询使用了 sum()、avg()、max()、min() 和 count() 函数来计算每个订单的总金额、平均金额、最大金额、最小金额和计数。这些函数后面跟着 over() 子句,用于指定计算的窗口。在这个例子中,窗口是按照 user_id 分区,按照 order_id 排序的。

2、查询结果返回了选择的列和计算出的别名列如下

4.3、序号函数

4.3.1、ROW_NUMBER()函数

1、执行语句

select *
from (
    select *,row_number() over(partition by user_id order by money desc) as alias_row_number
    from order_for_goods) t
where alias_row_number<=3;
  • 以上SQL语句使用了窗口函数 row_number() 来为每个分区内的行分配序号。然后,外部查询从这些序号中选择前三个最高的行。
  • 内部查询从 order_for_goods 表中选择了所有的列,并使用 row_number() 函数为每个分区内的行分配序号。在这个例子中,子查询将数据是按照 user_id 列进行分区 ,按照 money 列的降序排列的。
  • 外部查询从内部查询的结果中选择了序号小于等于 3 的行,这些行对应于分区内前三高的行。

2、执行结果

** 3、执行语句**

select *
from (
    select *,row_number() over(partition by user_id order by money desc) as alias_row_number
    from order_for_goods) t
where alias_row_number<=1;
  • 以上这个查询语句与上一个查询语句类似,只不过 alias_row_number<=3 改成了 alias_row_number<=1,因此结果将只返回分区内最高的一行。

4、执行结果

** 总结:可以发散思维想一想,举个栗子: 比如统计各个商品领域销量排行前三。使用开窗是不是可以解决很多问题,也避免了大量难以维护且看不懂的sql逻辑。**

4.3.2、RANK()函数

1、执行语句

select 
    *,
    rank() over(partition by user_id order by money desc) as alias_rank 
from order_for_goods;
  • 以上SQL语句使用了窗口函数 rank() 来为每个用户计算一个别名排名(alias_rank)。
  • rank() 函数会为每个分区内的连续排名计算一个排名值,因此这个语句会为每个用户计算一个别名排名。
  • 注意语句没有指定任何条件,因此它会返回 order_for_goods 表中的所有行和列。如果需要查询特定的行或列,可以在 select 子句中指定相应的条件或列名。

** 2、执行结果**

4.3.3、DENSE_RANK()函数

** 1、执行语句**

select 
    *,
    dense_rank() over(partition by user_id order by money desc) as alias_dense_rank 
from order_for_goods;
  • 以上SQL语句使用了窗口函数 dense_rank() 来为每个用户计算一个别名密集排名(alias_dense_rank)。
  • dense_rank() 函数会为每个分区内的排名计算一个排名值,对于相邻排名值相同的行,排名值会连续分配。因此,这个语句会为每个用户计算一个别名密集排名。
  • 注意语句没有指定任何条件,因此它会返回 order_for_goods 表中的所有行和列。如果需要查询特定的行或列,可以在 select 子句中指定相应的条件或列名。

** 2、执行结果**

4.3.4、上述三种序号函数对比

** 1、执行语句**

select 
    *,
     row_number() over(partition by user_id order by money desc) as alias_row_number,
    rank() over(partition by user_id order by money desc) as alias_rank,
     dense_rank() over(partition by user_id order by money desc) as alias_dense_rank
from order_for_goods;
  • 从 order_for_goods 表中选择了所有的列,并计算了每个用户在每个订单中的总金额,以及计算了每个用户在每个订单中的序号、排名和稠密排名。
  • 这个查询使用了 row_number()、rank() 和 dense_rank() 函数来计算每个分区内的行的序号、排名和稠密排名。这些函数后面跟着 over() 子句,用于指定计算的窗口。在这个例子中,窗口是按照 user_id 分区,按照 money 列的降序排列的。

** 2、执行结果**

4.4、分布函数

4.4.1、PERCENT RANK()函数

** 1、执行语句**

select 
    *,
    percent_rank() over(partition by user_id order by money desc) as alias_percent_rank
from order_for_goods;
  • 从 order_for_goods 表中选择了所有的列,并计算了每个用户在每个订单中的总金额,以及计算了每个用户在每个订单中的百分比排名。
  • 这个查询使用了 percent_rank() 函数来计算每个分区内的行的百分比排名。这个函数后面跟着 over() 子句,用于指定计算的窗口。在这个例子中,窗口是按照 user_id 分区,按照 money 列的降序排列的。

** 2、执行结果**

4.4.2、CUME_DIST()函数

** 1、执行语句**

select 
    *,
    cume_dist() over(partition by user_id order by money desc) as alias_percent_rank
from order_for_goods;
  • 从 order_for_goods 表中选择了所有的列,并计算了每个用户在每个订单中的总金额,以及计算了每个用户在每个订单中的累积百分比。
  • 这个查询使用了 cume_dist() 函数来计算每个分区内的行的累积百分比。这个函数后面跟着 over() 子句,用于指定计算的窗口。在这个例子中,窗口是按照 user_id 分区,按照 money 列的降序排列的。

** 2、执行结果**

4.5、前后函数

4.5.1、LAG()函数

1、语法说明

  • LAG()函数是用于在时间序列中向前移动指定周期的函数。
LAG(expression, offset, default_value)
  1. expression:要取值的列
  2. offset:向前数第几行的值
  3. default_value:如果没有值,可设置默认值

2、执行语句

select 
    *,
    lag(join_time, 1, 0) over(partition by user_id order by join_time desc) as alias_lag
from order_for_goods;

** 3、执行结果**

4.5.2、LEAD()函数

1、语法说明

  • LEAD()函数是用于在时间序列中向后移动指定周期的函数。
LAG(expression, offset, default_value)
  1. expression:要取值的列
  2. offset:向后数第几行的值
  3. default_value:如果没有值,可设置默认值

2、执行语句

select 
    *,
    lead(join_time, 1, 0) over(partition by user_id order by join_time desc) as alias_lead
from order_for_goods;

3、执行结果

4.6、收尾函数

4.6.1、FIRST_VALUE()函数

1、语法说明

  • FIRST_VALUE:取窗口第一行的值
FIRST_VALUE(expression)
  1. expression:一个表达式,用于指定要获取第一行值的列或计算结果。

2、执行语法

select 
    *,
    first_value(money) over(partition by user_id order by join_time desc) as alias_first_value
from order_for_goods;
  • 注意,如果某个用户在指定时间范围内没有数据,则 LAST_VALUE() 函数将返回默认值 NULL。

** 3、执行结果**

4.6.2、LAST_VALUE()函数

1、语法说明

  • LAST_VALUE:取窗口最后一行的值。
LAST_VALUE(expression)
  1. expression:一个表达式,用于指定要获取最后一行值的列或计算结果。

2、执行语法

select 
    *,
    last_value(money) over(partition by user_id order by join_time) as alias_last_value
from order_for_goods;
  • 注意,如果某个用户在指定时间范围内没有数据,则 LAST_VALUE() 函数将返回默认值 NULL。

2、执行结果

3、解释

  1. 你可能会发现LAST_VALUE() 不是取窗口的最后一个值,窗口按照 user_id 分区,按照 join_time 列排序,按道理是返回1001分区中money为1800.90才对啊? 为什么? 为什么?
  2. 原因是LAST_VALUE()默认统计范围是 rows between unbounded preceding and current row

3、验证

select 
    *,
    last_value(money) over(partition by user_id order by join_time) as alias_last_value1,
    last_value(money) over(partition by user_id order by join_time rows between unbounded preceding and current row) as alias_last_value2,
    last_value(money) over(partition by user_id order by join_time rows between unbounded preceding and unbounded following) as alias_last_value3
from order_for_goods;
  • 可以看到别名 alias_last_value2 验证了LAST_VALUE()默认统计范围就是 rows between unbounded preceding and current row(表示从当前行开始向前没有边界地进行计算,即计算当前行之前的所有行的结果。)
  • 可以看到别名 alias_last_value3 在指定 rows between unbounded preceding and unbounded following(表示从当前行开始向前和向后都没有边界地进行计算,即计算整个分区的结果。)全部统计情况下可以得到,user_id 分区,join_time 列排序,返回1001分区中字段money最后一笔交易金额为1800.90。
+----------+---------+---------+----------+---------------------+------------------+------------------+------------------+
| order_id | user_id | money   | quantity | join_time           | alias_last_value | alias_last_value | alias_last_value |
+----------+---------+---------+----------+---------------------+------------------+------------------+------------------+
|       34 |    1001 | 1000.10 |        6 | 2023-01-08 00:00:00 |          1000.10 |          1000.10 |          1800.90 |
|       33 |    1001 | 3600.89 |        5 | 2023-05-02 00:00:00 |          3600.89 |          3600.89 |          1800.90 |
|       32 |    1001 | 1800.90 |        1 | 2023-06-07 00:00:00 |          1800.90 |          1800.90 |          1800.90 |
|       36 |    1002 | 4500.99 |        1 | 2023-03-14 00:00:00 |          2500.90 |          4500.99 |          1100.90 |
|       38 |    1002 | 2500.90 |        1 | 2023-03-14 00:00:00 |          2500.90 |          2500.90 |          1100.90 |
|       35 |    1002 | 1100.90 |        9 | 2023-04-07 00:00:00 |          1100.90 |          1100.90 |          1100.90 |
|       40 |    1003 | 2500.90 |        2 | 2022-09-08 00:00:00 |          2500.90 |          2500.90 |          2500.10 |
|       39 |    1003 | 2500.90 |        1 | 2022-12-12 00:00:00 |          2500.90 |          2500.90 |          2500.10 |
|       41 |    1003 | 6000.90 |        8 | 2023-01-10 00:00:00 |          6000.90 |          6000.90 |          2500.10 |
|       37 |    1003 | 2500.10 |        3 | 2023-02-14 00:00:00 |          2500.10 |          2500.10 |          2500.10 |
+----------+---------+---------+----------+---------------------+------------------+------------------+------------------+
10 rows in set (0.00 sec)

4.7、其它函数

4.7.1、NTILE()函数

1、语法说明

  • NTILE() 用于将一个查询结果集划分成指定数量的桶,并根据桶的大小将数据分配到各个桶中。
NTILE(bucket_size)
  1. bucket_size:一个整数参数,表示要将结果集划分成的桶的数量。

2、执行语句

select 
    *,  
    ntile(1) over(partition by user_id order by join_time desc) as alias_ntile1,
    ntile(2) over(partition by user_id order by join_time desc) as alias_ntile2,
    ntile(3) over(partition by user_id order by join_time desc) as alias_ntile3
from order_for_goods;
  • 查询使用窗口函数 NTILE(),它可以将数据集合平均分配到指定的数量的桶中,并返回每个行所属的桶号。
  • 以别名 "alias_ntile3" 举例,该查询中ntile(3) 表示将每个用户分为三个组,partition by user_id 表示按照 user_id 分组,order by join_time desc 表示按照 join_time 降序排序。
  • 如果是ntile(2)就表示分两个组ntile(1)就表示分一个组。

3、执行结果

**说明:**NTILE()函数,可以将有序的数据集合平均分配到指定的数量的桶中,将桶号分配给每一行。如果不能平均分配,则较小桶号的桶分配额外的行,并且各个桶中能放的行数最多相差1。

4.7.2、NTH_VALUE()函数

1、语法说明

  • NTH_VALUE() 函数是 SQL 中用于计算一个有序数据集合中指定位置的值的窗口函数。
NTH_VALUE(expression, nth_parameter)
  1. expression:要计算其值的表达式,其求值为单个值。
  2. nth_parameter:是一个整数参数,表示要计算的值的序号。

2、执行语句

select 
    *,  
    nth_value(money, 2) over(partition by user_id order by join_time ) as alias_nth_value
from order_for_goods;
  • 注意,如果某个用户在指定时间范围内没有数据,则 NTH_VALUE()函数将返回默认值 NULL。

3、执行结果

标签: 数据库 mysql

本文转载自: https://blog.csdn.net/weixin_50002038/article/details/131011696
版权归原作者 你才是臭弟弟 所有, 如有侵权,请联系我们删除。

“MySQL8.0数据库开窗函数”的评论:

还没有评论