所谓高级处理，从用户的角度来讲，就是那些对数值进行排序，计算销售总额等我们熟悉的处理；从SQL的角度来讲，就是近几年才添加的新功能，这些新功能使得SQL的工作范围不断得到扩展。

窗口函数可以进行排序、生成序列号等一般的聚合函数无法完成的操作。

窗口函数也称为OLAP函数。OLAP是OnLine Analytical Processing的简称，意思是对数据库进行实时分析处理。 窗口函数就是为了实现OLAP而添加的标准SQL功能。

窗口函数：

复制

其中重要的关键字是PARTITON BY 和ORDER BY，理解这两个关键字的作用是帮助我们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两种：

RANK是用来计算记录排序的函数。 例如，对于Product表，根据不同的商品种类，按照销售单价从低到高的顺序创建排序表：

复制

执行结果：

复制

PARTITON BY能够指定排序的对象范围，在上例中，为了按照商品种类排序，我们指定了Product_type.。

ORDER BY能够指定按照哪一列、何种顺序进行排序，为了按照销售单价的升序进行排序，我们指定了sale_product，默认进行升序排序，（也可以通过指定关键字DESC进行降序排序）。

通过上述例子，我们很容易就理解了PARTITION BY和ORDER BY关键字的作用：PARTITION BY在横向上对表进行分组，ORDER BY决定了纵向排序的规则。

窗口函数兼具了GROUP BY子句的分组功能以及ORDER BY子句的排序功能。 但是PARTITION BY不具备GROUP BY子句的汇总功能。所以使用RANK函数不会减少原表中记录的行数。

通过PARTITION BY分组后的记录集合称为窗口。此处的窗口表示范围。

使用窗口函数时，PARTITION BY并不是必需的，如果我们不使用PARTITION BY，也就是将整个表作为一个大的窗口来使用。

复制

执行结果：

复制

我们使用一个例子来对比一下三个函数的区别：

复制

执行结果：

复制

使用RANK或ROW_NUMBER是无需使用任何参数，因此只需要像RANK()这样保持括号为空就可以了。 注释：专用窗口函数无需使用参数。

目前为止我们学过的函数大多数都没有使用位置的限制，最多也就是在WHERE子句不能使用聚合函数。但是，使用窗口函数的位置却有很大的限制，确切的说，窗口函数只能在SELECT子句中使用。

所有的聚合函数都能用作窗口函数，且使用语法与专用窗口函数完全相同。 例1，将SUM函数作为窗口函数使用：

复制

执行结果：

复制

使用聚合函数作为窗口函数时，需要在其括号内指定相应的列。像上例中，使用sale_price(销售单价)作为累加的对象, current——sum的结果为在它之前的销售单价的合计。这种统计方法称为累计。

例2，将AVG函数作为窗口函数使用：

复制

执行结果：

复制

current_avg的结果为在它之前的销售单价的平均值。像这样以“自身记录”（当前记录）作为基准进行统计，就是将聚合函数作为窗口函数使用时的最大特征。

窗口函数就是将表以窗口为单位进行分割，并在其中进行排序的函数。其中还包含在窗口中指定更详细的汇总范围的备选功能，这种备选功能中的汇总范围称为框架。 例如，指定“最靠近的3行”作为汇总对象：

复制

执行结果：

复制

指定框架（汇总范围）

上例中，我们使用了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”意思就是将框架指定为“截止到之前2行”，也就是“最靠近的3行”。

如果将条件中的数字改为“ROWS 5 PRECEDING”，就是“截止到之前5行”（最靠近的6行）的意思。

这样的统计方法称为移动平均。

使用关键字FOLLOWING(之后)替换PRECEDING，就可以指定“截止到之后~行”作为框架。

将当前记录的前后行作为汇总对象

如果希望将当前记录的前后行作为汇总对象，可以同时使用PRECEDING(之前)和FOLLOWING（之后）关键字来实现。 例，将当前记录的前后行作为汇总对象：

复制

执行结果：

复制

当前记录的前后行的具体含义就是：

如果能够熟练掌握框架功能，就可以称为窗口函数高手了。

只使用GROUP BY子句和聚合函数是无法同时得出小计和合计的，如果想要同时得到，可以使用GROUPING运算符。

使用GROUPING运算符可以很容易就得到合计和小计。 GROUPING运算符包含下列三种：

ROLLUP的使用方法

用一个例子说明：

复制

执行结果：

复制

从语法上来说，就是将GROUP BY子句中的聚合键清单像ROLLUP(, ,…)这样使用。

ROLLUP可以同时得出合计和小计，是非常方便的工具。

对了，还有一个超级分组记录的概念。超级记录分组就是使用GROUP BY()时，未指定聚合键，这是会得到全部数据的合计行的记录，该合计行称为超级分组记录。超级分组记录默认使用NULL作为聚合键。

将“登记日期”添加到聚合键中

我们再来使用一个例子来理解理解ROLLUP的作用。 在GROUP BY中添加“登记日期”（不使用ROLLUP）:

复制

执行结果：

复制

再看看使用ROLLUP之后会是什么样子：

复制

执行结果：

复制

将上述两个结果进行比较后，我们就可以发现，使用ROLLUP时，多出了最下面的合计行以及3条不同商品种类的小计行。这4行就是我们所说的超级分组记录。

在上例中我们会发现，在超级分组记录中，regist_date列为NULL，而在原始记录中，“运动T衫”的登记日期同样为NULL，那么这两种NULL如何分辨呢？

为了避免混淆，SQL提供了一个用来判断超级分组记录的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，其他情况下返回0（其他情况包括原始记录为NULL和原始记录不为NULL）。

复制

执行结果：

复制

这样就能分辨超级分组记录中的NULL和原始记录中的NULL了。

ROLLUP之后我们学习另一个GROUPING运算符—CUBE。CUBE是“立方体”的意思。它的语法和ROLLUP相同，只需要将ROLLUP替换为CUBE即可。

复制

执行结果：

复制

与ROLLUP相比，CUBE多出了几行，多出来的记录就是将regist_date作为聚合键所得到的汇总结果。

所谓CUBE，就是将GROUP BY子句中聚合键的“所有可能的组合”的汇总结果集中到一个结果中。因此，组合的个数为2的n次方（n是聚合键的个数）。 上例中聚合键有2个，所以2的2次方为4。

对于CUBE来说，一个聚合键就相当于立方体的一个轴，而结果就像是将数据像积木那样堆积起来。可以把CUBE理解为将使用聚合键进行切割的模块堆积成一个立方体（有点抽象了）。

GROUPING SETS可以用于从ROLLUP或者CUBE的结果中取出部分记录。

复制

执行结果：

复制

不过和ROLLUP或者CUBE比起来，使用GROUPING SETS的机会很少。

SQL的基础语法知识大致就是这些，如果你稍微会一点SQL，看到这些代码应该很好理解的。如果你没有编程基础，可能这些代码对于你来说过于难以理解。写的很粗糙，勉强可以用来温习SQL的语法。大概也只有这个作用了。