[SQLServer2005] 分析函数 (又称窗口函数)

概述1.简介：  SQL Server 2005中的窗口函数帮助你迅速查看不同级别的聚合，通过它可以非常方便地累计总数、移动平均值、以及执行其它计算。 窗口函数功能非常强大，使用起来也十分容易。可以使用这个技巧立即得到大量统计值。 窗口是用户指定的一组行。 开窗函数计算从窗口派生的结果集中各行的值。 2.适用范围： 排名开窗函数和聚合开窗函数. 也就是说窗口函数是结合排名开窗函数或者聚合开窗函数一起使

1.简介： 
sql Server 2005中的窗口函数帮助你迅速查看不同级别的聚合，通过它可以非常方便地累计总数、移动平均值、以及执行其它计算。
窗口函数功能非常强大，使用起来也十分容易。可以使用这个技巧立即得到大量统计值。
窗口是用户指定的一组行。 开窗函数计算从窗口派生的结果集中各行的值。

2.适用范围：
排名开窗函数和聚合开窗函数.
也就是说窗口函数是结合排名开窗函数或者聚合开窗函数一起使用
OVER子句前面必须是排名函数或者是聚合函数

3.例题：

--建立订单表
create table SalesOrder(
OrderID int,            --订单ID
OrderQty decimal(18,2)  --数量
)
go

--插入数据
insert into SalesOrder
select 1,2.0
union all
select 1,1.0
union all
select 1,3.0
union all
select 2,6.0
union all
select 2,1.1
union all
select 3,8.0
union all
select 3,7.0
go

--查询得如下结果
select * from SalesOrder
go

OrderID     OrderQty
----------- ------------
1           2.00
1           1.00
1           3.00
2           6.00
2           1.10
3           8.00
3           1.10
3           7.00

现要求显示汇总总数，每当所占比例，分组汇总数，每单在各组所占比例，要求格式如下：

OrderID OrderQty 汇总     每单比例 分组汇总 每单在各组比例
1            2.00     29.20        0.0685      6.00           0.3333
1            1.00     29.20        0.0342      6.00           0.1667
1            3.00     29.20        0.1027      6.00           0.5000
2            6.00     29.20        0.2055      7.10           0.8451
2            1.10     29.20        0.0377      7.10           0.1549
3            8.00     29.20        0.2740      16.10         0.4969
3            1.10     29.20        0.0377      16.10         0.0683
3            7.00     29.20        0.2397      16.10         0.4348

--利用窗口函数和聚合开窗函数,可以很快实现上述要求
select OrderID,OrderQty,
sum(OrderQty) over() as [汇总],
convert(decimal(18,4), OrderQty/sum(OrderQty) over() ) as [每单所占比例],
sum(OrderQty) over(PARTITION BY OrderID)  as [分组汇总],OrderQty/sum(OrderQty) over(PARTITION BY OrderID)) as [每单在各组所占比例]
from SalesOrder
order by OrderID

上面演示的都是窗口函数与聚合开窗函数的使用，它与排名开窗函数请看下面例题:

--与排名开窗函数使用
select OrderID,
rank() over(PARTITION BY orderID order by OrderQty ) as [分组排名],
rank() over(order by OrderQty ) as [排名]
from SalesOrder
order by orderID asc

--查询得如下结果
OrderID    OrderQty    分组排名    排名
1        2.00        2        4
1        3.00        3        5
1        1.00        1        1
2        1.10        1        2
2        6.00        2        6
3        7.00        2        7
3        8.00        3        8
3        1.10        1        2

 

排名函数 (Transact-sql)

排名函数为分区中的每一行返回一个排名值。根据所用的函数，某些行可能与其他行接收到相同的值。排名函数具有不确定性。

Transact-sql 提供下列排名函数：

RANK	NTILE
DENSE_RANK	ROW_NUMBER

rank: 如果两个或多个行与一个排名关联，则每个关联行将得到相同的排名。例如，如果两位顶尖销售员具有同样的 SalesYTD 值，他们将并列第一。由于已有两行排名在前，所以具有下一个最大 SalesYTD 的销售人员将排名第三。因此，RANK 函数并不总返回连续整数。

dense_rank: 如果有两个或多个行受同一个分区中排名的约束，则每个约束行将接收相同的排名。例如，如果两位顶尖销售员具有相同的 SalesYTD 值，则他们将并列第一。接下来 SalesYTD 最高的销售人员排名第二。该排名等于该行之前的所有行数加一。因此，DENSE_RANK 函数返回的数字没有间断，并且始终具有连续的排名。

ntile: 将有序分区中的行分发到指定数目的组中。各个组有编号，编号从一开始。对于每一个行，NTILE 将返回此行所属的组的编号。

row_number: 返回结果集分区内行的序列号，每个分区的第一行从 1 开始。

 create table test1(typeID int,typevalue int);
insert into test1 values(1,11);
insert into test1 values(1,12);
insert into test1 values(1,13);
insert into test1 values(2,21);
insert into test1 values(2,22);

--选出每一组typeID中,typevalues值最小的一条记录.
select * from (
select typeID,typevalue, 
       row_number() over (partition by a.typeID order by a.typevalue asc) as topN
  from test1 a ) b
where topN = 1;

-- 返回结果集如下：
typeID  typevalue  topN
1         11              1
2         21              1

这4个函数中，还支持分组的语句,

上文来自：http://blog.csdn.net/xiaoxu0123/article/details/5124285

简介

    sql Server 2012之后对窗口函数进行了极大的加强，但对于很多开发人员来说，对窗口函数却不甚了解，导致了这样强大的功能被浪费，因此本篇文章主要谈一谈sql Server中窗口函数的概念。

 

什么是窗口函数

    窗口函数，也可以被称为olAP函数或分析函数。理解窗口函数可以从理解聚合函数开始，我们知道聚合函数的概念，就是将某列多行中的值按照聚合规则合并为一行，比如说Sum、AVG等等，简单的概念如图1所示。

图1.聚合函数

 

    因此，通常来说，聚合后的行数都要小于聚合前的行数。而对于窗口函数来说，输入结果等于输出结果，举一个简单的例子，如果你计算产品类型A和产品类型B，A产品分5小类，B产品分2小类，应用了窗口函数的结果后可以还是7行，对窗口函数应用了Count后，附加在每一行上，比如说“A产品，A小类1，5“，而B小类则变为”B产品，B小类1，2”最后一列就是应用了窗口函数的结果。

    现在我们对窗口函数有了初步的概览，文章后我会提供一些具体的例子来让对窗口函数的概念更加深刻，窗口函数除了上面提到的输入行等于输出行之外，还有如下特性和好处：

类似Group By的聚合 非顺序的访问数据 可以对于窗口函数使用分析函数、聚合函数和排名函数 简化了sql代码（消除Join） 消除中间表

    窗口函数是整个SQL语句最后被执行的部分，这意味着窗口函数是在SQL查询的结果集上进行的，因此不会受到Group By， Having，Where子句的影响。

    窗口函数的典型范例是我们在sql Server 2005之后用到的排序函数，比如代码清单1所示。

Row_Number() OVER (partition by xx ORDER BY xxx desc) RowNumber

代码清单1.可用于分页的排序函数

    因此，我们可以把窗口函数的语法抽象出来，如代码清单2所示。

函数() Over (PARTITION By 列1，列2，Order By 列3，窗口子句) AS 列别名 代码清单2.窗口函数的语法

一个简单的例子

    下面我们来看一个简单的例子，假如说我们希望将AdventureWorks示例数据库中的Employee表按照性别进行聚合，比如说我希望得到的结果是：“登录名，性别，该性别所有员工的总数”，如果我们使用传统的写法，那一定会涉及到子查询，如代码清单3所示。

SELECT [LoginID],gender,

(SELECT COUNT(*) FROM [AdventureWorks2012].[HumanResources].[Employee] a WHERE a.Gender=b.Gender) AS GenderTotal

  FROM [AdventureWorks2012].[HumanResources].[Employee] b

代码清单3.传统的写法

    如果我们使用了窗口函数，代码瞬间就变得简洁，不再需要子查询或Join，如图2所示。

图2.使用窗口函数

    除此之外，窗口函数相比传统写法而言，还会有更好的性能，我们可以通过比较执行计划得出如图3所示。

图3.通过比较执行计划，看出窗口函数拥有更好的性能

    假如我们考虑更复杂的例子，在Over子句加上了Order By，来完成一个平均数累加，如果不使用窗口函数，那一定是游标，循环等麻烦的方式，如果使用了窗口函数，则一切就变得非常轻松，如图4所示。

图4.窗口函数

Partition By

    代码清单2展示了窗口函数的语法，其中Over子句之后第一个提到的就是Partition By。Partition By子句也可以称为查询分区子句，非常类似于Group By，都是将数据按照边界值分组，而Over之前的函数在每一个分组之内进行，如果超出了分组，则函数会重新计算，比如图2中的例子，我们将数据分为男性和女性两部分，前面的Count()函数针对这两组分别计算值（男性206，女性84）。

   针对Partition By可以应用的函数不仅仅是我们所熟知的聚合函数，以及一些其他的函数，比如说Row_Number()。

Order By

    Order By子句是另一类子句，会让输入的数据强制排序（文章前面提到过，窗口函数是SQL语句最后执行的函数，因此可以把sql结果集想象成输入数据）。Order By子句对于诸如Row_Number()，Lead()，LAG()等函数是必须的，因为如果数据无序，这些函数的结果就没有任何意义。因此如果有了Order By子句，则Count()，Min()等计算出来的结果就没有任何意义。

    下面我们看一个很有代表性的ROW_NUMBER()函数，该函数通常被用于分页，该函数从1开始不断递增，可以和Partition By一起使用，当穿越分区边界时，Row_Number重置为1，一个简单的例子如图5所示，我们根据请假小时数对员工进行排序。

图5.Row_Number函数示例

    另一个比较有趣的分析函数是LEAD()和LAG()，这两个分析函数经过Order By子句排序后，可以在当前行访问上N行（LAG）或下N行（LEAD）的数据，下面是一个例子，如图6所示。

图6.访问上一行的LAG函数

    另一个分析函数是RANK函数，与Row_Number不同的是，Rank函数中如果出现了相同的值，不会像Row_Number那样叠加计数，而是同样的值计数一样，比如说 1 1 3 4 5 5 7，而不是Row_Number的1 2 3 4 5 6 7。这里就不细说了。另外如果希望并列排名的不影响下一个排名，则考虑使用Dense_Rank函数。有关其他的诸如First_value和Last_Value之类的函数可以参看：http://technet.microsoft.com/zh-cn/library/hh213234.aspx。

窗口子句

    前面窗口的函数的作用范围是整个表，或是整个Partition by后面的分区。但是使用了窗口子句我们可以控制输入到窗口函数的数据集（前面说过，窗口函数是整个语句中最后执行的）的范围。下面我们从一个例子开始看，假如我希望找出公司每一个层级休病假最长的人，我们可以执行图7中的语句。

图7.找出每个层级休假最多的人

    但是如果我们希望把输入数据集的粒度由Partition变为更细的话，我们可以使用窗口子句，让窗口函数仅仅根据当前行的前N行和后N行计算结果，那我们可以使用窗口子句，如图8所示，图8中，我们排序后，仅仅根据当前行的前一行和后一行以及当前行来计算这3个人当中请病假最长时间的人。

图8.在三行之内找到休假时间最长的人

    我们也可以使用Range来指定Partition内的范围，比如说我们希望从当前行和之前行中找到第一行，则使用如图9所示的用法。

图9.

小结

    本文从窗口函数组成的三部分简单介绍了窗口函数的概念，并给出了一些例子。更多可以在窗口上使用的函数，可以参照MSDN（http://technet.microsoft.com/zh-cn/library/ms189461.aspx）。在使用这些函数的时候，还要注意版本要求，很多函数是只有在sql Server 2012中才被支持的。

上文来自：http://www.cnblogs.com/CareySon/p/3411176.HTML

总结

以上是内存溢出为你收集整理的[SQLServer2005] 分析函数 (又称窗口函数)全部内容，希望文章能够帮你解决[SQLServer2005] 分析函数 (又称窗口函数)所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。