funkcje Window
Dotyczy:
Databricks SQL Databricks Runtime
Funkcje, które działają w grupie wierszy, nazywanych window, i obliczają wartość zwracaną dla każdego wiersza na podstawie grupy wierszy. Window funkcje są przydatne do przetwarzania zadań, takich jak obliczanie średniej ruchomej, obliczanie skumulowanej statystyki lub dostęp do wartości wierszy w zależności od względnej pozycji bieżącego wiersza.
Składnia
function OVER { window_name | ( window_name ) | window_spec }
function
{ ranking_function | analytic_function | aggregate_function }
over_clause
OVER { window_name | ( window_name ) | window_spec }
window_spec
( [ PARTITION BY partition [ , ... ] ] [ order_by ] [ window_frame ] )
Parameters
funkcja
Funkcja działająca na window. Różne klasy funkcji obsługują różne konfiguracje specyfikacji window.
ranking_function
Dowolna z funkcji Ranking window.
Jeśli określono, window_spec musi zawierać klauzulę ORDER BY, ale nie klauzulę ramki okna.
analytic_function
aggregate_function
Dowolna z funkcji Agregacja.
Jeśli określono funkcję, nie może zawierać klauzuli FILTER.
window_name
Identyfikuje specyfikację o nazwie window zdefiniowaną przez zapytanie .
window_spec
Ta klauzula definiuje sposób grupowania wierszy, sortowania w grupie oraz wierszy w partition, na których działa funkcja.
partition
Co najmniej jedno wyrażenie używane do określania grupy wierszy definiujących zakres działania funkcji. Jeśli nie określono klauzuli PARTITION, partition składa się ze wszystkich wierszy.
order_by
Klauzula ORDER BY określa kolejność wierszy w partition.
window_frame
Klauzula window ramki określa przesuwany podzestaw wierszy w partition, na których działa funkcja agregacji lub analizy.
Możesz określić SORT BY jako alias dla ORDER BY.
Można również określić DISTRIBUTE BY jako alias dla PARTITION BY. Można użyć CLUSTER BY jako aliasu dla PARTITION BY w przypadku braku ORDER BY.
Przykłady
> CREATE TABLE employees
(name STRING, dept STRING, salary INT, age INT);
> INSERT INTO employees
VALUES ('Lisa', 'Sales', 10000, 35),
('Evan', 'Sales', 32000, 38),
('Fred', 'Engineering', 21000, 28),
('Alex', 'Sales', 30000, 33),
('Tom', 'Engineering', 23000, 33),
('Jane', 'Marketing', 29000, 28),
('Jeff', 'Marketing', 35000, 38),
('Paul', 'Engineering', 29000, 23),
('Chloe', 'Engineering', 23000, 25);
> SELECT name, dept, salary, age FROM employees;
Chloe Engineering 23000 25
Fred Engineering 21000 28
Paul Engineering 29000 23
Helen Marketing 29000 40
Tom Engineering 23000 33
Jane Marketing 29000 28
Jeff Marketing 35000 38
Evan Sales 32000 38
Lisa Sales 10000 35
Alex Sales 30000 33
> SELECT name,
dept,
RANK() OVER (PARTITION BY dept ORDER BY salary) AS rank
FROM employees;
Lisa Sales 10000 1
Alex Sales 30000 2
Evan Sales 32000 3
Fred Engineering 21000 1
Tom Engineering 23000 2
Chloe Engineering 23000 2
Paul Engineering 29000 4
Helen Marketing 29000 1
Jane Marketing 29000 1
Jeff Marketing 35000 3
> SELECT name,
dept,
DENSE_RANK() OVER (PARTITION BY dept ORDER BY salary
ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS dense_rank
FROM employees;
Lisa Sales 10000 1
Alex Sales 30000 2
Evan Sales 32000 3
Fred Engineering 21000 1
Tom Engineering 23000 2
Chloe Engineering 23000 2
Paul Engineering 29000 3
Helen Marketing 29000 1
Jane Marketing 29000 1
Jeff Marketing 35000 2
> SELECT name,
dept,
age,
CUME_DIST() OVER (PARTITION BY dept ORDER BY age
RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS cume_dist
FROM employees;
Alex Sales 33 0.3333333333333333
Lisa Sales 35 0.6666666666666666
Evan Sales 38 1.0
Paul Engineering 23 0.25
Chloe Engineering 25 0.50
Fred Engineering 28 0.75
Tom Engineering 33 1.0
Jane Marketing 28 0.3333333333333333
Jeff Marketing 38 0.6666666666666666
Helen Marketing 40 1.0
> SELECT name,
dept,
salary,
MIN(salary) OVER (PARTITION BY dept ORDER BY salary) AS min
FROM employees;
Lisa Sales 10000 10000
Alex Sales 30000 10000
Evan Sales 32000 10000
Helen Marketing 29000 29000
Jane Marketing 29000 29000
Jeff Marketing 35000 29000
Fred Engineering 21000 21000
Tom Engineering 23000 21000
Chloe Engineering 23000 21000
Paul Engineering 29000 21000
> SELECT name,
salary,
LAG(salary) OVER (PARTITION BY dept ORDER BY salary) AS lag,
LEAD(salary, 1, 0) OVER (PARTITION BY dept ORDER BY salary) AS lead
FROM employees;
Lisa Sales 10000 NULL 30000
Alex Sales 30000 10000 32000
Evan Sales 32000 30000 0
Fred Engineering 21000 NULL 23000
Chloe Engineering 23000 21000 23000
Tom Engineering 23000 23000 29000
Paul Engineering 29000 23000 0
Helen Marketing 29000 NULL 29000
Jane Marketing 29000 29000 35000
Jeff Marketing 35000 29000 0