开窗函数的应用场景
请看下面的例子，姑且叫这个表为dw.fct_sales，它有三个字段如下。我们只取里面三个字段月份、门店、销量。
好多时候，当我们计算完每月每个门店的单量，还希望加一列，各个月份的汇总，如果我们能根据月份把数据分成两组，把每组的销量累计起来，放到最后一行，我们的需求不就实现了嘛！幸运的是个大 sql 平台都实现了这种功能。
开窗，开窗，先让我们搞清楚什么是窗口。窗口就是一个字段的数据范围，例如：
我们上面的例子中，因为月份字段中只有两个不同的值，所以只能分成两个窗口（感觉还挺像两个个窗户的）了，如果按照月份+门店呢？那只能是 16 个 窗口了。
有了窗口，实际上我们可以在一个细粒度上的结果集上，进行分组。让后再对分组中的值进行 sum 、avg、count、first_value、last_value、lag、lead、row_number、dense_rank、rank 等操作。所以分组不仅仅是 group by 的专属，开窗函数也可以的。
下面就让我们进入具体的语法吧！
开窗函数的语法
先看一个基本的：
select year_mon
,dimShopID
,amt
,sum(amt) over(partition by year_mon ) as mon_amt
from (
select
left(concat(dimDateID,''),6) as year_mon
, dimShopID
,sum(AMT) as amt
from dw.fct_sales
where dimShopID in (33 , 34)
and left(concat(dimDateID,''),6) in ( '201706','201707')
group by left(concat(dimDateID,''),6)
,dimShopID
) as q1
q1 这个子查询是为了把上面提到的数据实例拼凑起来，关键是看sum(amt) over(partition by year_mon ) 这一句。让我们分解来看看。
sum(amt) 这个相信大家知道是聚合函数，重点是看后面的over(partition by year_mon )，当 sum 遇到 over 以后，sum 就进化了，由聚合函数进化成开窗函数。over 这个单词，从语义上有“跨越”的意思，聪明的你，一定猜到了，它是想说明要跨越的窗口大小，接下来问题来了，窗口的大小怎么定义呢？
其实，窗口的定义就是 over 里面的内容了，partition 从单词语义上解释是分区的意思，其实就是分组。partition by 就是根据哪个字段作为分组。所以把over(partition by year_mon ) ，翻译成人话就是，根据 year_mon 分组，并且把每个窗口里面的字段 amt 进行求和操作。
窗口定义
上面我们讲了分区，下面让我讲讲真正的窗口吧。请看下面的例子：
select ID_1 ,
SUM(ID_1) over(ORDER BY ID_2) default_sum,
SUM(ID_1) over(ORDER BY ID_2 RANGE BETWEEN unbounded preceding AND CURRENT ROW) range_unbound_sum,
SUM(ID_1) over(ORDER BY ID_2 ROWS BETWEEN unbounded preceding AND CURRENT ROW) rows_unbound_sum,
SUM(ID_1) over(ORDER BY ID_2 RANGE BETWEEN 1 preceding AND 2 following) range_sum,
SUM(ID_1) over(ORDER BY ID_2 ROWS BETWEEN 1 preceding AND 2 following) rows_sum
from (
SELECT (CASE
WHEN id IN (1, 2) THEN
1
WHEN id IN (4, 5) THEN
6
ELSE
id
END) as ID_1,
(CASE
WHEN id IN (1, 2) THEN
1
WHEN id IN (4, 5) THEN
6
ELSE
id
END) as ID_2
FROM (
select 1 as id
union all
select 2 as id
union all
select 3 as id
union all
select 4 as id
union all
select 5 as id
union all
select 6 as id
union all
select 7 as id
union all
select 8 as id
union all
select 9 as id
union all
select 10 as id
) as a
) as b
哈哈，看着挺多的，但是其实比较简单。简单讲一下：
- 首先，使用 union all 的方法，早一些测试数据（1-10 的列表），也就是 a 表。
- 然后，使用 case when 将 1、2 转换成 1 ， 然后将 4、5 转成 6 。
- 然后，我写了 5 种 开窗。
我们得到下面的结果：
我们可以得到一下结论：
从上面的例子可知：
1、窗口子句必须和order by 子句同时使用，且如果指定了order by 子句未指定窗口子句，则默认为RANGE BETWEEN unbounded preceding AND CURRENT ROW，如上例结果集中的defult_sum等于range_unbound_sum；
2、如果分析函数没有指定ORDER BY子句，也就不存在ROWS/RANGE窗口的计算；
3、range是逻辑窗口，是指定当前行对应值的范围取值，列数不固定，只要行值在范围内，对应列都包含在内，如上例中range_sum（即range 1 preceing and 2 following）例的分析结果：
当id=1时，是sum为1-1<=id<=1+2 的和，即sum=1+1+3=5(取id为1,1,3);
当id=3时，是sum为3-1<=id<=3+2 的和，即sum=3（取id为3）；
当id=6时，是sum为6-1<=id<=6+2 的和，即sum=6+6+6+7+8=33（取id为6，6，6，7，8）;
以此类推下去，结果如上例中所示。
4、rows是物理窗口，即根据order by 子句排序后，取的前N行及后N行的数据计算（与当前行的值无关，只与排序后的行号相关），如上例中rows_sum例结果，是取前1行和后2行数据的求和，分析上例rows_sum的结果：
当id=1（第一个1时）时，前一行没数，后二行分别是1和3，sum=1+1+3=5；
当id=3时，前一行id=1,后二行id都为6，则sum=1+3+6+6=16；
sum 、avg、count
上面的篇幅，我使用了 sum 对分组、排序、窗口进行讲解，那么 avg、count 和 over组合使用，原理上差不多，即在窗口里面进行求平均、计数。
select year_mon
,dimShopID
,amt
,count(dimShopID) over(partition by year_mon order by year_mon ) as shop_cnt
,avg(amt) over(partition by year_mon order by year_mon ) as avg_shop
from (
select
left(concat(dimDateID,''),6) as year_mon
, dimShopID
,sum(AMT) as amt
from dw.fct_sales
where dimShopID in (33 , 34)
and left(concat(dimDateID,''),6) in ( '201706','201707')
group by left(concat(dimDateID,''),6)
,dimShopID
) as q1
结果如下所示：
请看，在 06 月份 shop_cnt 字段对对 dimShopId 进行计数，结果为 2 ，确实我们只有两个门店编号，avg_shop 是对 06 月份的销售额取平均值，（2500766.9+2526779.1）= 5027546 ，5027546/2 = 2513773 。
first_value、last_value、lag、lead
- first_value：是在窗口里面取到第一个值
- last_value：是在窗口里面取到最后一个值
- lag 是取当前行的下 N 条数据，并且可以设置默认值
- lead 是取当前行的上 N 条数据，并且可以设置默认值
先来看看 first_value 和 last_value 吧。
select year_mon
,dimShopID
,amt
,first_value(amt) over(partition by dimShopID ) as first_amt
,last_value(amt) over(partition by dimShopID ) as last_amt
from (
select
left(concat(dimDateID,''),6) as year_mon
, dimShopID
,sum(AMT) as amt
from dw.fct_sales
where dimShopID in (33 , 34,35)
and left(concat(dimDateID,''),6) in ( '201706','201707','201708')
group by left(concat(dimDateID,''),6)
,dimShopID
) as q1
结果如下所示：
以 dimShopId = 33 为例，排在第一个的 amt 是 2500766.9 ，所以 first_amt 的值都为 2500766.9。相同的道理，last_amt 的值都是 1595530.23
下面看看看 lag/lead 怎么玩的。
select year_mon
,dimShopID
,amt
,lag(amt,1,0) over(partition by dimShopID ) as lag_amt
,lead(amt,1,0) over(partition by dimShopID ) as lead_amt
from (
select
left(concat(dimDateID,''),6) as year_mon
, dimShopID
,sum(AMT) as amt
from dw.fct_sales
where dimShopID in (33 , 34,35)
and left(concat(dimDateID,''),6) in ( '201706','201707','201708')
group by left(concat(dimDateID,''),6)
,dimShopID
) as q1
结果如下所示：
还是以 dimShopID=33 为例子，我们看到，lag_amt 的红色是第一行，他所对应的上一行的数据没有，我们设置了默认值为 0 。绿色是第二行，他的上一行数据是红色的数字。lead 的逻辑和 lag 的逻辑正好相反，聪明的你，肯定可以想到的。
row_number、dense_rank、rank
这是另外一个非常重要的部分——“序列”。序列一般使用在排名上，比如说，展示销售 TOP5 的商品。请看下面的例子。
select year_mon
,dimShopID
,amt
,row_number() over(order by amt desc ) as row_number_col
,rank() over( order by amt desc) as rank_col
,dense_rank() over(order by amt desc) as dense_rank_col
from (
select '201706' as year_mon
, '33' as dimShopID
, 2500766.9 as amt
union all
select '201706' as year_mon
, '33' as dimShopID
, 2500766.9 as amt
union all
select '201706' as year_mon
, '33' as dimShopID
, 1500766.9 as amt
union all
select '201706' as year_mon
, '33' as dimShopID
, 2100766.9 as amt
) as q1
结果如下所示：
还是以 dimShopID=33 为例，我们在结果中可以看到，我们已经按照 amt
对数据进行了排序, 我们可以总结一下知识点：
- row_number 的功能是为从第一行开始为每一行设置一个递增的数字
- rank 是排名，我们从例子中看到，相同的是相同的数字，而且到了第三行，变成了 3
- dense_rank 和 rank 的区别是序号不递增，大家可以看到 1 下面是 2 。
这样给大家抛砖引玉，学无止境，希望在实践中帮助大家。