用简单程序协助 MySQL 实现窗口函数

窗口函数是 SQL2003 标准才开始有的一系列 SQL 函数，用于应付一些复杂运算是比较方便。但是普遍使用的 MySQL 数据库对窗口函数支持得却很不好，直到最近的版本才开始有部分支持，这当然就让 MySQL 程序员很郁闷了。

实际操作中，我们可以在 MySQL 里用 SQL 拼出窗口函数功能，但是需要使用用户变量以及多个 SELECT 表达式从左到右依次计算的隐含规则。下面我们来看两个例子（为调试方便，我们直接用集算器作为测试环境）。

1、2016 年 1 月销售额排名

(1)A1 中语句用于初始化用户变量；

(2)A2 中语句先对销售额排倒序，然后每一行销售额与上一行销售额比较，若相等则排名不变，否则排名等于行号；

(3)A3 连接数据库；

(4)A4 执行初始化语句；

(5)A5 执行查询语句并关闭数据库连接，返回结果。

执行后 A5 为需要的结果。

2、2016 年 1 月和 2 月销售额按月分组百分比排名

(1)A1 中语句用于初始化用户变量；

(2)A2 中语句子查询 t11 求出上一行的月份和销售额，t1 再求出本月行号与排名，t2 算出每月的行数，最后 t1 与 t2 连接再利用公式 [if(本月行数>1,(当前行的本月排名 -1)/(本组行数 -1),0)] 求出百分比排号。

执行后 A5 为需要的结果。

通过上述两个例子，我们可以看到，为了实现窗口函数相应功能，SQL 语句冗长、复杂而且可读性较差。另外，这里还使用了 SELECT 表达式从左到右依次计算的隐含规则，而这在 MySQL 参考手册是不推荐使用的，如果今后不能使用这一规则，那么写出来的 SQL 语句会更加复杂。譬如不使用这条隐含规则如何能取上一行的字段值呢？各位读者可以自行脑补。

值得庆幸的是，有了集算器及其特有的 SPL 语言，我们就大可不必这么麻烦了，MySQL 只要使用最基本的 SQL 就行了，剩下的事由集算器来完成。

下面我们就来看看集算器的 SPL 语法是如何实现相应窗口函数的功能的。

1、SUM()、COUNT()、AVG()、MAX()、MIN()、VARIANCE

a)

select province, sales, sum(sales) over() `sum`,

avg(sales) over() `avg`, max(sales) over() `max`,

min(sales) over() `min`, count(*) over() `count`

from detail

where yearmonth=201601

order by sales;

(1)A3 到 A7 依次对销售额求和、求平均、求最大、求最小及求总行数；

(2)A8 构造序表，其中每一行都有本月销售额总和、平均值、最大值、最小值及总行数

执行后 A8 的结果如下:

这个例子很常规，毫无挑战性，只是小练一把，下面开始玩真的。

b)

select yearmonth,province,sales,

sum(sales) over (partition by yearmonth) `sum`,

avg(sales) over (partition by yearmonth) `avg`,

max(sales) over (partition by yearmonth) `max`,

min(sales) over (partition by yearmonth) `min`,

count(*) over (partition by yearmonth) `count`

from detail

where yearmonth in (201601,201602) and sales>49500

order by yearmonth, sales desc;

(1)A2 中按月份分组并对销售额求和、求平均、求最大、求最小及每组行数；

(2)A4 按月份将 A2 中 yearmonth 字段值转换成 A3 中相同月份的记录

执行后 A5 的结果如下。

2、VARIANCE()、STD()

a)

select province, sales, variance(sales) over() `variance`, std(sales) over() `std`

from detail where yearmonth=201601;

(1)A3 对销售额求方差。

(2)A4 对 A3 求平方根即为标准差

执行后 A5 的结果如下。

b)

select yearmonth, province, sales,

variance(sales) over(partition by yearmonth) `variance`,

std(sales) over(partition by yearmonth) `std`

from detail

where yearmonth in (201601, 201602);

(1)A3 按月份分组

(2)A4 求每月销售额的方差

执行后 A6 的结果如下:

3、ROW_NUMBER()、RANK()、DENSE_RANK()、PERCENT_RANK()

a)

select province, sales, row_number() over(order by sales desc) `row_number`,

rank() over (order by sales desc) `rank`,

dense_rank() over (order by sales desc) `dense_rank`,

percent_rank() over (order by sales desc) `percent_rank`

from detail

where yearmonth=201601;

(1)A5 中 #表示当前行在 A3 中的序号

(2) 百分比排名的公式 =if(行数 >1,( 排名 -1)/(行数 -1))

执行后 A5 的结果如下:

b)

select province, sales,

row_number() over(partition by yearmonth order by sales desc)

`row_number`,

rank() over (partition by yearmonth order by sales desc) `rank`,

dense_rank() over (partition by yearmonth order by sales desc)

`dense_rank`,

percent_rank() over (partition by yearmonth order by sales desc)

`percent_rank`

from detail

where yearmonth in (201601,201602);

执行后 A6 的结果如下:

4、NTILE()

a)

select province, sales, ntile(3) over() `ntile`

from detail

where yearmonth=201601;

(1)A3 里指明桶数为 3

(2)A5 中 z(i, 桶数, 总行数) 计算第 i 行所在桶号

执行后 A9 的结果如下:

b)

select yearmonth, province, sales, ntile(3) over(partition by yearmonth)

`ntile`

from detail

where yearmonth=201601 or( yearmonth=201602 and province!='上海');

执行后 A6 的结果如下:

5、FIRST_VALUE()、LAST_VALUE()、NTH_VALUE()、LAG()、LEAD()

a)

select province,sales,

first_value(sales) over(partition by yearmonth) `first_value`,

last_value(sales) over(partition by yearmonth) `last_value`,

nth_value(sales, 5) over(partition by yearmonth) `nth_value`,

lag(sales, 2) over(partition by yearmonth) `lag`,

lead(sales, 3) over(partition by yearmonth) `lead`

from detail

where yearmonth=201601;

(1)Am(i) 取 A2 中第 i 条记录，越界返回 null，负数则从后往前数第 abs(i) 条记录，不能使用 A2(i)，因为 A2(i) 越界会报错

执行后 A3 的结果如下:

b)

select yearmonth,province,sales,

first_value(sales) over(partition by yearmonth) `first_value`,

last_value(sales) over(partition by yearmonth) `last_value`,

nth_value(sales, 5) over(partition by yearmonth) `nth_value`,

lag(sales, 2) over(partition by yearmonth) `lag`,

lead(sales, 3) over(partition by yearmonth) `lead`

from detail

where yearmonth=201601 or (yearmonth=201602 and sales>50000);

(1)A5 中，seq(yearmonth) 尽可能不要在 if 函数中使用，因为 seq 函数是在对 A2 中记录循环过程中累加的，导致 seq 函数少执行 1 次就少累加 1。

(2)A5 中，前面的表达式用 seq=seq(yearmonth) 对变量 seq 赋值，这样后续表达式就可以引用变量 seq。

执行后 A5 的结果如下:

6、CUME_DIST()

a)

select province,sales, cume_dist() over(order by sales) `cume_dist`

from detail

where yearmonth=201601;

(1)CUME_DIST()over (order by sales) 求销售额从小到大的累积概率分布，公式为 (小于等于当前销售额的行数 / 总行数)

(2) 小于等于当前销售额的行数 = 总行数 - 当前销售额从大到小的排名 +1

(3)A2 必须按销售额从大到小排序

(4)A5 数据倒排

执行后 A5 的结果如下:

b)

select yearmonth, province,sales,

cume_dist() over(partition by yearmonth order by sales) `cume_dist`

from detail

where yearmonth in (201601,201602);

(1) 对应于最后的倒排，A2 中按月份从大到小排序

执行后 A6 的结果如下:

看完十多个例子，有没有觉得集算器代码实现 so easy？！而且，由于集算器可以对单元格进行分步计算，我们可以按照自然的思路逐步查看查询结果，从而更加简便、直观地完善整个查询脚本。赶紧用起来吧，你会发现更多又方便又强大的功能！