Pencere işlevleri
Şunun için geçerlidir:
Databricks SQL denetimi yes Databricks Runtime
Pencere olarak adlandırılan bir satır grubu üzerinde çalışan ve satır grubunu temel alarak her satır için bir dönüş değeri hesaplayan işlevler. Pencere işlevleri hareketli ortalama hesaplama, birikmeli istatistik hesaplama veya geçerli satırın göreli konumuna göre satırların değerine erişme gibi görevleri işlemek için yararlıdır.
Sözdizimi
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 ] )
Parametre
Işlev
Pencerede çalışan işlev. Farklı işlev sınıfları, pencere belirtimlerinin farklı yapılandırmalarını destekler.
ranking_function
Derecelendirme penceresi işlevlerinden herhangi biri.
Belirtilirse window_spec bir ORDER BY yan tümcesi içermelidir ancak window_frame yan tümcesi içermemelidir.
analytic_function
Analiz penceresi işlevlerinden herhangi biri.
aggregate_function
Toplama işlevlerinden herhangi biri.
Belirtilirse işlev filter yan tümcesi içermemelidir.
window_name
Sorgu tarafından tanımlanan adlandırılmış pencere belirtimini tanımlar.
window_spec
Bu yan tümce, satırların nasıl gruplandırılacağını, grup içinde sıralanacağını ve bir işlevin bir bölüm içindeki hangi satırlar üzerinde çalışacağını tanımlar.
Bölüm
İşlevin üzerinde çalıştığı kapsamı tanımlayan bir satır grubunu belirtmek için kullanılan bir veya daha fazla ifade. PARTITION yan tümcesi belirtilmezse bölüm tüm satırlardan oluşur.
order_by
ORDER BY yan tümcesi, bölüm içindeki satırların sırasını belirtir.
window_frame
Pencere çerçevesi yan tümcesi, toplama veya analiz işlevinin çalıştığı bölümdeki satırların kayan bir alt kümesini belirtir.
SIRALA ÖLÇÜTÜ'ne ORDER BY için diğer ad olarak belirtebilirsiniz.
AYRıCA DISTRIBUTE BY'i PARTITION BY için diğer ad olarak da belirtebilirsiniz. ORDER BY olmadığında PARTITION BY için diğer ad olarak CLUSTER BY kullanabilirsiniz.
Örnekler
> 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