教为学：Oracle SQL学习之路（三）：分析函数之统计

教为学：Oracle SQL学习之路（三）：分析函数之统计

前言

与统计相关的分析函数有哪些？

SUM

AVG

MAX/MIN

FIRST_VALUE/LAST_VALUE

等等。

我们从最最最基础的SUM、AVG开始吧。惯例，先上例子。

1. select sum(sal)over()
2. from emp;

再上结果。

SUM(SAL)OVER()

--------------

29025

29025

29025

29025

29025

29025

29025

29025

29025

29025

29025

29025

29025

29025

和我们平时的sum聚合函数有什么区别？

和前几个分析函数又有什么区别？

平时sum只有一个结果，分析函数的sum有N个结果。

平时的分析函数over（）里面有条件，这里没有任何东西。

Syntax

SUM函数：

AVG函数：

不出意外，嗯，又是一样的。

语法详解

Partition by就不详细叙述了。还是分类，order by呢？还是排序？

除了排序还有什么？再来一个例子就很明显了。

1. select sal,sum(sal)over(order by sal)
2. from emp;

结果如下：

SAL	SUM(SAL)OVER(ORDERBYSAL)
800	800
950	1750
1100	2850
1250	5350
1250	5350
1300	6650
1500	8150
1600	9750
2450	12200
2850	15050
2975	18025
3000	24025
3000	24025
5000	29025

Order by除了有排序的作用，更重要的是有累加的作用。

看看avg：

1. select sal,avg(sal)over(order by sal)
2. from emp;

结果：

SAL	AVG(SAL)OVER(ORDERBYSAL)
800	800
950	875
1100	950
1250	1070
1250	1070
1300	1108.333333333333333333333333333333333333
1500	1164.285714285714285714285714285714285714
1600	1218.75
2450	1355.555555555555555555555555555555555556
2850	1505
2975	1638.636363636363636363636363636363636364
3000	1848.076923076923076923076923076923076923
3000	1848.076923076923076923076923076923076923
5000	2073.214285714285714285714285714285714286

    同样，这叫什么来着呢？累计平均。

这都比较简单，我们接下来要弄一个以前没有看见过的条件。那是什么？

同样看例子。

1. select sal,avg(sal)over(order by sal rows BETWEEN 1 preceding and 1 following) as avg
2. from emp;

结果：

	SAL	AVG
	800	875
	950	950
	1100	1100
	1250	1200
	1250	1266.666666666666666666666666666666666667
	1300	1350
	1500	1466.666666666666666666666666666666666667
	1600	1850
	2450	2300
	2850	2758.333333333333333333333333333333333333
	2975	2941.666666666666666666666666666666666667
	3000	2991.666666666666666666666666666666666667
	3000	3666.666666666666666666666666666666666667
	5000	4000

表示上行加本身加上下一行的平均值。

这样的函数很多，我们现在不一一道来。

谈谈效率

相同效果sql的不同执行计划：

1. select empno, ename, sal, sum(sal)over(order by empno) addsum

1. from emp;

执行计划：

1. Execution Plan
2. ----------------------------------------------------------
3. Plan hash value: 2726561287
4.  
5. ---------------------------------------------------------------------------------------
6. | Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
7. ---------------------------------------------------------------------------------------
8. | 0 | SELECT STATEMENT | | 15 | 210 | 2 (0)| 00:00:01 |
9. | 1 | WINDOW BUFFER | | 15 | 210 | 2 (0)| 00:00:01 |
10. | 2 | TABLE ACCESS BY INDEX ROWID| EMP | 15 | 210 | 2 (0)| 00:00:01 |
11. | 3 | INDEX FULL SCAN | PK_EMP | 15 | | 1 (0)| 00:00:01 |
12. ---------------------------------------------------------------------------------------
13.  
14.  
15. Statistics
16. ----------------------------------------------------------
17.      0 recursive calls
18.      0 db block gets
19.      2 consistent gets
20.      0 physical reads
21.      0 redo size
22.    937 bytes sent via SQL*Net to client
23.    419 bytes received via SQL*Net from client
24.      2 SQL*Net roundtrips to/from client
25.      1 sorts (memory)
26.      0 sorts (disk)
27.     14 rows processed

非分析函数：

1. with t as (select rownum px, a.* from emp a order by empno)
2. select a.empno, a.ename, a.sal, sum(b.sal) addsum from t a, t b
3. where a.px >=b.px group by a.empno,a.ename, a.sal
4. order by a.empno;

执行计划：

1. Execution Plan
2. ----------------------------------------------------------
3. Plan hash value: 4141007082
4.  
5. ------------------------------------------------------------------------------------------------------------
6. | Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time |
7. ------------------------------------------------------------------------------------------------------------
8. | 0 | SELECT STATEMENT | | 11 | 583 | 9 (34)| 00:00:01 |
9. | 1 | TEMP TABLE TRANSFORMATION | | | | | |
10. | 2 | LOAD AS SELECT | SYS_TEMP_0FD9D662A_17B75F | | | | |
11. | 3 | COUNT | | | | | |
12. | 4 | TABLE ACCESS BY INDEX ROWID| EMP | 15 | 555 | 2 (0)| 00:00:01 |
13. | 5 | INDEX FULL SCAN | PK_EMP | 15 | | 1 (0)| 00:00:01 |
14. | 6 | SORT GROUP BY | | 11 | 583 | 7 (43)| 00:00:01 |
15. | 7 | MERGE JOIN | | 11 | 583 | 6 (34)| 00:00:01 |
16. | 8 | SORT JOIN | | 15 | 405 | 3 (34)| 00:00:01 |
17. | 9 | VIEW | | 15 | 405 | 2 (0)| 00:00:01 |
18. | 10 | TABLE ACCESS FULL | SYS_TEMP_0FD9D662A_17B75F | 15 | 555 | 2 (0)| 00:00:01 |
19. |* 11 | SORT JOIN | | 15 | 390 | 3 (34)| 00:00:01 |
20. | 12 | VIEW | | 15 | 390 | 2 (0)| 00:00:01 |
21. | 13 | TABLE ACCESS FULL | SYS_TEMP_0FD9D662A_17B75F | 15 | 555 | 2 (0)| 00:00:01 |
22. ------------------------------------------------------------------------------------------------------------
23.  
24. Predicate Information (identified by operation id):
25. ---------------------------------------------------
26.  
27.   11 - access(INTERNAL_FUNCTION("A"."PX")>=INTERNAL_FUNCTION("B"."PX"))
28.        filter(INTERNAL_FUNCTION("A"."PX")>=INTERNAL_FUNCTION("B"."PX"))
29.  
30.  
31. Statistics
32. ----------------------------------------------------------
33.    274 recursive calls
34.      8 db block gets
35.     56 consistent gets
36.      1 physical reads
37.    864 redo size
38.    937 bytes sent via SQL*Net to client
39.    419 bytes received via SQL*Net from client
40.      2 SQL*Net roundtrips to/from client
41.      3 sorts (memory)
42.      0 sorts (disk)
43.     14 rows processed

Cost和读写，差距不是一点点！

分析函数一定效率高？

不，强制排序是它性能的短板。谁都知道排序是件力量活。