Fungsi jendela
Berlaku untuk:
pemeriksaan Databricks SQL Databricks Runtime
Fungsi yang beroperasi pada sekelompok baris, disebut sebagai jendela, dan menghitung nilai pengembalian untuk setiap baris berdasarkan grup baris. Fungsi jendela berguna untuk memproses tugas seperti menghitung rata-rata bergerak, menghitung statistik kumulatif, atau mengakses nilai baris yang diberikan posisi relatif baris saat ini.
Sintaks
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 ] )
Parameter
Fungsi
Fungsi yang beroperasi di jendela. Kelas fungsi yang berbeda mendukung konfigurasi spesifikasi jendela yang berbeda.
ranking_function
Salah satu fungsi jendela Peringkat.
Jika ditentukan, window_spec harus menyertakan klausa ORDER BY, tetapi bukan klausa window_frame.
analytic_function
Salah satu fungsi jendela Analitik.
aggregate_function
Salah satu fungsi Agregat.
Jika ditentukan, fungsi tidak boleh menyertakan klausa FILTER.
window_name
Mengidentifikasi spesifikasi jendela bernama yang ditentukan oleh kueri.
window_spec
Klausa ini menentukan bagaimana baris akan dikelompokkan, diurutkan dalam grup, dan baris mana dalam partisi tempat fungsi beroperasi.
Partisi
Satu atau beberapa ekspresi yang digunakan untuk menentukan sekelompok baris yang menentukan cakupan tempat fungsi beroperasi. Jika tidak ada klausa PARTITION yang ditentukan, partisi terdiri dari semua baris.
order_by
Klausa ORDER BY menentukan urutan baris dalam partisi.
window_frame
Klausa bingkai jendela menentukan subset baris geser dalam partisi tempat fungsi agregat atau analitik beroperasi.
Anda dapat menentukan SORT BY sebagai alias untuk ORDER BY.
Anda juga dapat menentukan DISTRIBUTE BY sebagai alias untuk PARTITION BY. Anda dapat menggunakan CLUSTER BY sebagai alias untuk PARTITION BY tanpa adanya ORDER BY.
Contoh
> 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