SQL---窗口函数（window function）

窗口可以理解为记录集合，窗口函数就是在满足某种条件的记录集合上执行的特殊函数。窗口函数也称为OLAP函数，OLAP即实时分析处理（Online Analytical Processing）。

语法：

window_function (expression) OVER (
   [ PARTITION BY part_list ]
   [ ORDER BY order_list ]
   [ { ROWS | RANGE } BETWEEN frame_start AND frame_end ] )

（注：通过PARTITION BY分组后的记录集合称为窗口，如果不使用PARTITION BY，那么整个数据集将作为一个大的窗口。）

（注：窗口函数只能在SELECT子句中使用。）

（注：此处的ORDER BY只用来决定窗口函数按照什么样的顺序进行计算，对结果的排序顺序没有影响。）

可以使用的窗口函数有：

1，能够作为窗口函数的聚合函数：SUM，AVG，COUNT，MAX，MIN

2，专用窗口函数：RANK，DENSE_RANK，ROW_NUMBER

其中：

RANK()：计算排序（如果存在相同位次的记录，则会跳过之后的位次，比如：1,2,2,4）

DENSE_RANK()：计算排序（即使存在相同位次的记录，也不会跳过之后的位次，比如：1,2,2,3）

ROW_NUMBER()：赋予连续且唯一的位次，比如：1,2,3,4

此外，除了partition子句和order by子句，还可以加上frame子句。frame是当前分区的一个子集，frame子句用来定义子集的规则，其通常作为滑动窗口使用。（即指定框架：对窗口进行更详细地指定。）例如：

ROW 2 PRECEDING：前2行

ROW 5 FOLLOWING：后5行

ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING：前1行到后1行

例子：

SELECT item_id, cate_id, RANK() OVER (PARTITION BY cate_id ORDER BY price) as rank FROM item_list;

SELECT item_id, cate_id, SUM(price) OVER (ORDER BY item_id) as rank FROM item_list;

SELECT item_id, cate_id, AVG(price) OVER (ORDER BY price ROWS BETWEEN 1 PRECEDING and 1 FOLLOWING) AS rank FROM item_list;

为什么要用窗口函数？

1，在组内进行排名。比如统计各个部门工资前3位的员工名单。

2，累计计数。因为窗口函数以当前记录作为基准进行统计，因此可以计算截止到当前的累计订单金额是多少（running total），还可以加上指定框架来计算移动平均（moving average）。

参考：

https://ericfu.me/sql-window-function/