窗口函数（Window Function）

概述

窗口函数（Window Function）对一组相关行进行计算，同时为每个输入行返回一个结果。与聚合函数（Aggregate Function）不同，窗口函数不会将多行折叠为单个输出。

主要特点：

• 对与当前行相关的行“窗口”进行操作
• 为每个输入行返回一个值（不进行分组/折叠）
• 可以访问窗口中其他行的值
• 支持分区（Partitioning）和排序（Ordering），以实现灵活的计算

窗口函数类别

Databend 支持两大类窗口函数：

1. 专用窗口函数

这些函数专为窗口操作而设计。

排名函数：

函数	描述	并列处理	示例输出
ROW_NUMBER	顺序编号	始终唯一	1, 2, 3, 4, 5
RANK	带间隙排名	相同排名，后续有间隙	1, 2, 2, 4, 5
DENSE_RANK	无间隙排名	相同排名，无间隙	1, 2, 2, 3, 4

分布函数：

函数	描述	范围	示例输出
PERCENT_RANK	相对排名的百分比	0.0 到 1.0	0.0, 0.25, 0.5, 0.75, 1.0
CUME_DIST	累积分布	0.0 到 1.0	0.2, 0.4, 0.6, 0.8, 1.0
NTILE	划分为 N 个桶	1 到 N	1, 1, 2, 2, 3, 3

值访问函数：

函数	描述	用例
FIRST_VALUE	窗口中的第一个值	获取最高/最早的值
LAST_VALUE	窗口中的最后一个值	获取最低/最晚的值
NTH_VALUE	窗口中的第 N 个值	获取特定位置的值
LAG	上一行的值	与上一行比较
LEAD	下一行的值	与下一行比较

别名：

函数	别名
FIRST	FIRST_VALUE
LAST	LAST_VALUE

2. 用作窗口函数的聚合函数

这些是标准的聚合函数，可以与 OVER 子句一起使用以执行窗口操作。

函数	描述	窗口框架支持	示例
SUM	计算窗口内的总和	✓	SUM(sales) OVER (PARTITION BY region ORDER BY date)
AVG	计算窗口内的平均值	✓	AVG(score) OVER (ORDER BY id ROWS BETWEEN 2 PRECEDING AND CURRENT ROW)
COUNT	计算窗口内的行数	✓	COUNT(*) OVER (PARTITION BY department)
MIN	返回窗口内的最小值	✓	MIN(price) OVER (PARTITION BY category)
MAX	返回窗口内的最大值	✓	MAX(price) OVER (PARTITION BY category)
ARRAY_AGG	将值收集到数组中		ARRAY_AGG(product) OVER (PARTITION BY category)
STDDEV_POP	总体标准差	✓	STDDEV_POP(value) OVER (PARTITION BY group)
STDDEV_SAMP	样本标准差	✓	STDDEV_SAMP(value) OVER (PARTITION BY group)
MEDIAN	中位数	✓	MEDIAN(response_time) OVER (PARTITION BY server)

条件变体

函数	描述	窗口框架支持	示例
COUNT_IF	条件计数	✓	COUNT_IF(status = 'complete') OVER (PARTITION BY dept)
SUM_IF	条件求和	✓	SUM_IF(amount, status = 'paid') OVER (PARTITION BY customer)
AVG_IF	条件平均值	✓	AVG_IF(score, passed = true) OVER (PARTITION BY class)
MIN_IF	条件最小值	✓	MIN_IF(temp, location = 'outside') OVER (PARTITION BY day)
MAX_IF	条件最大值	✓	MAX_IF(speed, vehicle = 'car') OVER (PARTITION BY test)

基本语法

所有窗口函数都遵循以下模式：

FUNCTION() OVER (
    [ PARTITION BY column ]
    [ ORDER BY column ]
    [ window_frame ]
)

• PARTITION BY：将数据划分为组
• ORDER BY：对每个分区内的行进行排序
• window_frame：定义要包含的行（可选）

常见用例

• 排名：创建排行榜和 Top-N 列表
• 分析：计算累计总和、移动平均值、百分位数
• 比较：比较当前值与前一个/后一个值
• 分组：在不丢失细节的情况下将数据划分为桶

有关详细的语法和示例，请参阅上面各个函数的文档。