SQL Server 中的窗口函数(2012 新函数)

Posted 2020-11-30 VicLiu

简介

    SQL Server 2012之后对窗口函数进行了极大的加强，但对于很多开发人员来说，对窗口函数却不甚了解，导致了这样强大的功能被浪费，因此本篇文章主要谈一谈SQL Server中窗口函数的概念。

 

什么是窗口函数

    窗口函数，也可以被称为OLAP函数或分析函数。理解窗口函数可以从理解聚合函数开始，我们知道聚合函数的概念，就是将某列多行中的值按照聚合规则合并为一行，比如说Sum、AVG等等，简单的概念如图1所示。

图1.聚合函数

 

    因此，通常来说，聚合后的行数都要小于聚合前的行数。而对于窗口函数来说，输入结果等于输出结果，举一个简单的例子，如果你计算产品类型A和产品类型B，A产品分5小类，B产品分2小类，应用了窗口函数的结果后可以还是7行，对窗口函数应用了Count后，附加在每一行上，比如说“A产品，A小类1，5“，而B小类则变为”B产品，B小类1，2”最后一列就是应用了窗口函数的结果。

    现在我们对窗口函数有了初步的概览，文章后我会提供一些具体的例子来让对窗口函数的概念更加深刻，窗口函数除了上面提到的输入行等于输出行之外，还有如下特性和好处：

• 类似Group By的聚合
• 非顺序的访问数据
• 可以对于窗口函数使用分析函数、聚合函数和排名函数
• 简化了SQL代码（消除Join）
• 消除中间表

    窗口函数是整个SQL语句最后被执行的部分，这意味着窗口函数是在SQL查询的结果集上进行的，因此不会受到Group By， Having，Where子句的影响。

    窗口函数的典型范例是我们在SQL Server 2005之后用到的排序函数，比如代码清单1所示。

Row_Number() OVER (partition by xx ORDER BY xxx desc) RowNumber

代码清单1.可用于分页的排序函数

 

    因此，我们可以把窗口函数的语法抽象出来，如代码清单2所示。

函数() Over (PARTITION By 列1，列2，Order By 列3，窗口子句) AS 列别名

代码清单2.窗口函数的语法

 

一个简单的例子

    下面我们来看一个简单的例子，假如说我们希望将AdventureWorks示例数据库中的Employee表按照性别进行聚合，比如说我希望得到的结果是：“登录名，性别，该性别所有员工的总数”，如果我们使用传统的写法，那一定会涉及到子查询，如代码清单3所示。

SELECT [LoginID],gender,

(SELECT COUNT(*) FROM [AdventureWorks2012].[HumanResources].[Employee] a WHERE a.Gender=b.Gender) AS GenderTotal

  FROM [AdventureWorks2012].[HumanResources].[Employee] b

代码清单3.传统的写法

 

    如果我们使用了窗口函数，代码瞬间就变得简洁，不再需要子查询或Join，如图2所示。

图2.使用窗口函数

 

    除此之外，窗口函数相比传统写法而言，还会有更好的性能，我们可以通过比较执行计划得出如图3所示。

图3.通过比较执行计划，看出窗口函数拥有更好的性能

 

    假如我们考虑更复杂的例子，在Over子句加上了Order By，来完成一个平均数累加，如果不使用窗口函数，那一定是游标，循环等麻烦的方式，如果使用了窗口函数，则一切就变得非常轻松，如图4所示。

图4.窗口函数

 

Partition By

    代码清单2展示了窗口函数的语法，其中Over子句之后第一个提到的就是Partition By。Partition By子句也可以称为查询分区子句，非常类似于Group By，都是将数据按照边界值分组，而Over之前的函数在每一个分组之内进行，如果超出了分组，则函数会重新计算，比如图2中的例子，我们将数据分为男性和女性两部分，前面的Count()函数针对这两组分别计算值（男性206，女性84）。

   针对Partition By可以应用的函数不仅仅是我们所熟知的聚合函数，以及一些其他的函数，比如说Row_Number()。

 

Order By

    Order By子句是另一类子句，会让输入的数据强制排序（文章前面提到过，窗口函数是SQL语句最后执行的函数，因此可以把SQL结果集想象成输入数据）。Order By子句对于诸如Row_Number()，Lead()，LAG()等函数是必须的，因为如果数据无序，这些函数的结果就没有任何意义。因此如果有了Order By子句，则Count()，Min()等计算出来的结果就没有任何意义。

    下面我们看一个很有代表性的ROW_NUMBER()函数，该函数通常被用于分页，该函数从1开始不断递增，可以和Partition By一起使用，当穿越分区边界时，Row_Number重置为1，一个简单的例子如图5所示，我们根据请假小时数对员工进行排序。

图5.Row_Number函数示例

 

    另一个比较有趣的分析函数是LEAD()和LAG()，这两个分析函数经过Order By子句排序后，可以在当前行访问上N行（LAG）或下N行（LEAD）的数据，下面是一个例子，如图6所示。

图6.访问上一行的LAG函数

 

    另一个分析函数是RANK函数，与Row_Number不同的是，Rank函数中如果出现了相同的值，不会像Row_Number那样叠加计数，而是同样的值计数一样，比如说 1 1 3 4 5 5 7，而不是Row_Number的1 2 3 4 5 6 7。这里就不细说了。另外如果希望并列排名的不影响下一个排名，则考虑使用Dense_Rank函数。有关其他的诸如First_value和Last_Value之类的函数可以参看：http://technet.microsoft.com/zh-cn/library/hh213234.aspx。

 

窗口子句

    前面窗口的函数的作用范围是整个表，或是整个Partition by后面的分区。但是使用了窗口子句我们可以控制输入到窗口函数的数据集（前面说过，窗口函数是整个语句中最后执行的）的范围。下面我们从一个例子开始看，假如我希望找出公司每一个层级休病假最长的人，我们可以执行图7中的语句。

图7.找出每个层级休假最多的人

 

    但是如果我们希望把输入数据集的粒度由Partition变为更细的话，我们可以使用窗口子句，让窗口函数仅仅根据当前行的前N行和后N行计算结果，那我们可以使用窗口子句，如图8所示，图8中，我们排序后，仅仅根据当前行的前一行和后一行以及当前行来计算这3个人当中请病假最长时间的人。

图8.在三行之内找到休假时间最长的人

 

    我们也可以使用Range来指定Partition内的范围，比如说我们希望从当前行和之前行中找到第一行，则使用如图9所示的用法。

图9.

补充

NTILE 函数

  NTILE 函数可以按照指定的排序规则，对数据按照指定的组数（M个对象，按照某种排序分N个组）进行分组，可以展现出某一条数据被分配在哪个组中.(如果记录出现基数时则按照前多后少的规则分)

图10.

 

根据以上可以看出，当记录数为4分为2组时,每组两条记录顺序排名。当记录数为5分为2组时,则按照前多后少的规则(前3后2)顺序排名。

CUME_DIST函数

   计算某个值在 SQL Server 2012 中的一组值内的累积分布。也即，CUME_DIST 计算某指定值在一组值中的相对位置。对于行 r，假定采用升序，r 的 CUME_DIST 是值低于或等于 r 的值的行数除以在分区或查询结果集中求出的行数。

图11.

 

根据以上可以看出CUME_DIST的计算规则,如有相同记录则按较大的位置取值,例如Num等于55的记录有两条，取离Num等于100这条最近的记录，则为3/5等于0.6。

 

PERCENT_RANK函数

计算 SQL Server 2012 中一组行内某行的相对排名。使用 PERCENT_RANK 计算一个值在查询结果集或分区中的相对位置。

PERCENT_RANK 的计算公式如下：

           PERCENT_RANK() = (RANK() – 1) / (Total Rows – 1)

其中，RANK() 表示当前行基于ORDER BY后所跟字段的排名，而Total Rows 是当前行所在分区的总行数。

 

 图12.

 

PERCENTILE_CONT和PERCENTILE_DISC函数

    PERCENTILE_CONT和PERCENTILE_DISC都是为了计算百分位的数值，比如计算在某个百分位时某个栏位的数值是多少。他们的区别就是前者是连续型，后者是离散型。CONT代表continuous，DISC代表discrete。PERCENTILE_CONT是连续型意味它考虑的是区间，所以值是绝对的中间值。而PERCENTILE_DISC是离散型，所以它更多考虑向上或者向下取舍，而不会考虑区间。

 

图13.

 

根据以上可以看出PERCENTILE_CONT和PERCENTILE_DISC计算规则：

PERCENTILE_CONT(0.5)计算
0.3333333333333=1/3=55(Num)
0.6666666666666=2/3=56(Num)
偏差值:x=>(56-55) / (2/3-1/3)=3

离0.5最近的最小基值 Num=55，per_rnk=1/3；则
y=55+(0.5-1/3)*3=55.5
或者

离0.5最近的最大基值 Num=56，per_rnk=2/3；则
y=56-(2/3-0.5)*3=55.5

 

PERCENTILE_DISC(0.5)计算

PERCENTILE_DISC(0.5)根据 (0.5-1/3)*3或者 (2/3-0.5)*3 向上/向下 (小于等于5向下) 取到两边值(55或者56)，由(0.5-1/3)*3=0.5 则取55.

小结

    本文从窗口函数组成的三部分简单介绍了窗口函数的概念，并给出了一些例子。更多可以在窗口上使用的函数，可以参照MSDN（http://technet.microsoft.com/zh-cn/library/ms189461.aspx）。在使用这些函数的时候，还要注意版本要求，很多函数是只有在SQL Server 2012中才被支持的。