與SQL窗口函數(shù)相同

窗口函數(shù)的目的是以聲明的方式將業(yè)務報告需求轉(zhuǎn)換為SQL，從而使查詢性能和開發(fā)人員/業(yè)務分析師的效率得到顯著提高。 我看到現(xiàn)實世界的報告和儀表板在使用窗口功能后從幾小時到幾分鐘，幾分鐘到幾秒鐘。 查詢大小從40頁減少到幾頁。 早在上世紀90年代，Redbrick數(shù)據(jù)庫就真正理解了業(yè)務用例并創(chuàng)建了一個新的功能層來進行業(yè)務報告，包括排名，運行總計，根據(jù)子組，位置等計算傭金和庫存。這些都是在SQL標準中每個BI層（如Tableau，Looker，Cognos）都利用此功能。

窗口函數(shù)簡介

想象一下，通過兩輪比賽你有六個高爾夫球手。 現(xiàn)在，您需要創(chuàng)建排行榜并對其進行排名。 使用SQL對它們進行排名

將數(shù)據(jù)插入Couchbase。

INSERT  INTO高爾夫

VALUES（“KP1”，{ “player”：“Marco”，“round1”：75，“round2”：73}），

VALUES（“KP2”，{ “player”：“Johan”，“round1”：72，“round2”：68}），

VALUES（“KP3”，{ “player”：“Chang”，“round1”：67，“round2”：76}），

VALUES（“KP4”，{ “player”：“Isha”，“round1”：74，“round2”：71}），

VALUES（“KP5”，{ “player”：“Sitaram”，“round1”：68，“round2”：72}），

VALUES（“KP6”，{ “玩家”：“冰潔”，“ROUND1”：71，“round2”：67}）;

沒有窗口功能（當前狀態(tài) - Couchbase 6.0）

要在不使用窗口函數(shù)的情況下編寫查詢，您需要一個子查詢來計算每個玩家的等級。 該子查詢必須掃描所有數(shù)據(jù)，導致 O（N ^ 2） 的最差算法復雜度 ， 這大大增加了執(zhí)行時間和吞吐量。

用g1 作為（選擇球員，第1輪，第2輪從高爾夫球場）

SELECT     g3 .player                                 AS player，

          （g3 .round 1 + g3 .round 2）                     AS T，

          （（g3 .round 1 + g3 .round 2） - 144）             AS ToPar，

          （選擇原始1 + COUNT（*）

             從 g1 作為 g2

               其中（g2 .round 1 + g2 .round 2）<

                     （g3 .round 1 + g3 .round 2））[ 0 ]    AS sqlrankR2

從 g1 到 g3

ORDER  BY sqlrankR2

結(jié)果：

T ToPar播放器sqlrankR2

138 - 6  “冰潔”     1

140 - 4  “約翰”       2

140 - 4  “Sitaram”     2

143 - 1  “Chang”       4

145  1  “Isha”         5

148  4  “Marco”        6

使用Mad-Hatter中的窗口函數(shù)（即將發(fā)布）

此查詢返回玩家，兩輪后的總數(shù)（T），分數(shù)如何超過/低于標準（ToPar），然后 根據(jù)前兩輪的分數(shù)對它們 進行 排名 。 這是Mad-Hatter的新功能。 其時間復雜度為O（N），意味著執(zhí)行時間只會線性增加。

SELECT     播放器                                 AS播放器，

          （round1 + round2）                        AS T，

          （（round1 + round2） - 144）                AS ToPar，

          RANK（）OVER（ORDER  BY（round1 + round2））AS rankR2

來自高爾夫;

T ToPar玩家等級R2

138 - 6  “冰潔”     1

140 - 4  “約翰”       2

140 - 4  “Sitaram”     2

143 - 1  “Chang”       4

145  1   “Isha”        5

148  4   “Marco”       6

觀察：

1. 查詢簡單明了地表達了要求。

2. 在真實場景中執(zhí)行此查詢的效果要好得多。 我們計劃衡量。

3. 當排名要求依賴于多個文檔時，查詢變得非常復雜 - 編寫，優(yōu)化和運行。

4. 所有這些都會影響總體TCO。

現(xiàn)在，讓我們創(chuàng)建一個擴展的儀表板。

顯示添加密集排名，行號，領先者以及領導者背后的筆畫數(shù)。 報告中的所有非常常見的事情。 只要看到OVER（）子句，就會看到新的窗口函數(shù)。 下面的查詢有六個窗口函數(shù)。

SELECT     播放器                                 AS播放器，

          （round1 + round2）                        AS T，

          （（round1 + round2） - 144）                AS ToPar，

          RANK（）OVER（ORDER  BY（round1 + round2））AS rankR2，

          DENSE_RANK（）OVER（ORDER  BY（round1 + round2））AS rankR2Dense，

          ROW_NUMBER（）OVER（）rownum，

          （（round1 + round2） -

              FIRST_VALUE（ROUND1 + round2）

                OVER（ORDER  BY（round1 + round2）））AS strokebehind，

          RANK（）OVER（ORDER  BY（round1））         AS rankR1，

          LAG（播放器，1，“無”）OVER（ORDER  BY ROUND1 + round2）

                                                AS inFront

從高爾夫球場

ORDER  BY rankR2

T ToPar inFront player rankR1 rankR2 rankR2Dense rownum stroke behind behind

138 - 6  “無”     “冰潔”   3      1       1       3       0

140 - 4  “Johan”    “Sitaram”   2      2       2       2       2

140 - 4  “冰潔”  “約翰”     4      2       2       4       2

143 - 1  “Sitaram”  “Chang”     1      4       3       1       5

145  1  “Chang”   “Isha”        5      5       4       5       7

148  4  “Isha”    “Marco”       6      6       5       6      10

正如您之前看到的， 使用 子查詢方法 使用六個窗口函數(shù) 執(zhí)行此查詢 將是一個更大的努力，昂貴，容易出錯的查詢。

除了將內(nèi)置聚合（COUNT，SUM，AVG等）作為窗口函數(shù)，即將發(fā)布的版本將具有以下窗口函數(shù)。 它們中的每一個的語法和語義在標準中得到很好的定義，并在下面的參考部分的文章中進行了充分描述。

RANK（）
DENSE_RANK（）
PERCENT_RANK（）
CUME_DIST（）
NTILE（）
RATIO_TO_REPORT（）
ROW_NUMBER（）
LAG（）
FIRST_VALUE（）
LAST_VALUE（）
NTH_VALUE（）
LEAD（）