دوال النافذة
ينطبق على: التحقق من Databricks SQL Databricks Runtime
الدالات التي تعمل على مجموعة من الصفوف، يشار إليها باسم نافذة، وحساب قيمة إرجاع لكل صف استنادا إلى مجموعة الصفوف. وظائف النافذة مفيدة لمعالجة المهام مثل حساب متوسط متحرك أو حساب إحصائية تراكمية أو الوصول إلى قيمة الصفوف نظرا للموضع النسبي للصف الحالي.
بناء الجمله
function OVER { window_name | ( window_name ) | window_spec }
function
{ ranking_function | analytic_function | aggregate_function }
over_clause
OVER { window_name | ( window_name ) | window_spec }
window_spec
( [ PARTITION BY partition [ , ... ] ] [ order_by ] [ window_frame ] )
معلمات
وظيفه
الدالة التي تعمل على النافذة. تدعم فئات مختلفة من الوظائف تكوينات مختلفة لمواصفات النافذة.
ranking_function
أي من دالات نافذة الترتيب.
إذا تم تحديد window_spec يجب أن تتضمن عبارة ORDER BY، ولكن ليس عبارة window_frame.
analytic_function
أي من وظائف النافذة التحليلية.
aggregate_function
أي من الدالات التجميعية.
إذا تم تحديدها، يجب ألا تتضمن الدالة عبارة FILTER.
window_name
يحدد مواصفات نافذة مسماة محددة بواسطة الاستعلام.
window_spec
تحدد هذه العبارة كيفية تجميع الصفوف وفرزها داخل المجموعة والصفوف داخل القسم الذي تعمل عليه الدالة.
قسم
تعبير واحد أو أكثر يستخدم لتحديد مجموعة من الصفوف التي تحدد النطاق الذي تعمل عليه الدالة. إذا لم يتم تحديد عبارة PARTITION، يتكون القسم من جميع الصفوف.
order_by
تحدد عبارة ORDER BY ترتيب الصفوف داخل القسم.
window_frame
تحدد عبارة إطار النافذة مجموعة فرعية منزلقة من الصفوف داخل القسم الذي تعمل عليه دالة التجميع أو التحليلات.
يمكنك تحديد SORT BY باعتباره اسما مستعارا ل ORDER BY.
يمكنك أيضا تحديد DISTRIBUTE BY باعتباره اسما مستعارا ل PARTITION BY. يمكنك استخدام CLUSTER BY كاسم مستعار ل PARTITION BY في غياب ORDER BY.
امثله
> CREATE TABLE employees
(name STRING, dept STRING, salary INT, age INT);
> INSERT INTO employees
VALUES ('Lisa', 'Sales', 10000, 35),
('Evan', 'Sales', 32000, 38),
('Fred', 'Engineering', 21000, 28),
('Alex', 'Sales', 30000, 33),
('Tom', 'Engineering', 23000, 33),
('Jane', 'Marketing', 29000, 28),
('Jeff', 'Marketing', 35000, 38),
('Paul', 'Engineering', 29000, 23),
('Chloe', 'Engineering', 23000, 25);
> SELECT name, dept, salary, age FROM employees;
Chloe Engineering 23000 25
Fred Engineering 21000 28
Paul Engineering 29000 23
Helen Marketing 29000 40
Tom Engineering 23000 33
Jane Marketing 29000 28
Jeff Marketing 35000 38
Evan Sales 32000 38
Lisa Sales 10000 35
Alex Sales 30000 33
> SELECT name,
dept,
RANK() OVER (PARTITION BY dept ORDER BY salary) AS rank
FROM employees;
Lisa Sales 10000 1
Alex Sales 30000 2
Evan Sales 32000 3
Fred Engineering 21000 1
Tom Engineering 23000 2
Chloe Engineering 23000 2
Paul Engineering 29000 4
Helen Marketing 29000 1
Jane Marketing 29000 1
Jeff Marketing 35000 3
> SELECT name,
dept,
DENSE_RANK() OVER (PARTITION BY dept ORDER BY salary
ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS dense_rank
FROM employees;
Lisa Sales 10000 1
Alex Sales 30000 2
Evan Sales 32000 3
Fred Engineering 21000 1
Tom Engineering 23000 2
Chloe Engineering 23000 2
Paul Engineering 29000 3
Helen Marketing 29000 1
Jane Marketing 29000 1
Jeff Marketing 35000 2
> SELECT name,
dept,
age,
CUME_DIST() OVER (PARTITION BY dept ORDER BY age
RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS cume_dist
FROM employees;
Alex Sales 33 0.3333333333333333
Lisa Sales 35 0.6666666666666666
Evan Sales 38 1.0
Paul Engineering 23 0.25
Chloe Engineering 25 0.50
Fred Engineering 28 0.75
Tom Engineering 33 1.0
Jane Marketing 28 0.3333333333333333
Jeff Marketing 38 0.6666666666666666
Helen Marketing 40 1.0
> SELECT name,
dept,
salary,
MIN(salary) OVER (PARTITION BY dept ORDER BY salary) AS min
FROM employees;
Lisa Sales 10000 10000
Alex Sales 30000 10000
Evan Sales 32000 10000
Helen Marketing 29000 29000
Jane Marketing 29000 29000
Jeff Marketing 35000 29000
Fred Engineering 21000 21000
Tom Engineering 23000 21000
Chloe Engineering 23000 21000
Paul Engineering 29000 21000
> SELECT name,
salary,
LAG(salary) OVER (PARTITION BY dept ORDER BY salary) AS lag,
LEAD(salary, 1, 0) OVER (PARTITION BY dept ORDER BY salary) AS lead
FROM employees;
Lisa Sales 10000 NULL 30000
Alex Sales 30000 10000 32000
Evan Sales 32000 30000 0
Fred Engineering 21000 NULL 23000
Chloe Engineering 23000 21000 23000
Tom Engineering 23000 23000 29000
Paul Engineering 29000 23000 0
Helen Marketing 29000 NULL 29000
Jane Marketing 29000 29000 35000
Jeff Marketing 35000 29000 0