Tencent Cloud

Recent Pages

窗口函数

最后更新时间：2024-01-22 10:52:48

本文介绍窗口函数的基础语法和示例。
窗口函数用于对指定的多行数据进行计算并返回计算的结果，与 GROUP BY 的区别在于其仅会将计算结果附加到每一行数据上，而不会对行本身进行合并。
语法
window_function (expression) OVER (
   [ PARTITION BY part_key ]
   [ ORDER BY order_key ]
   [ { ROWS | RANGE } BETWEEN frame_start AND frame_end ] )
参数说明
参数
说明
window_function
窗口值计算方法，支持通用聚合函数、排序函数和取值函数
PARTITION BY
窗口分区依据
ORDER BY
窗口分区内多行数据排序依据
{ ROWS ｜RANGE } BETWEEN frame_start AND frame_end
窗口帧，即窗口分区内每行数据计算值时使用到的数据范围（行），未指定时代表窗口分区内的所有行
使用示例：
rows between current row and 1 following：当前行及后一行
rows between 1 preceding and current row：当前行及前一行
rows between 1 preceding and 1 following：前一行至后一行（共三行）
rows between current row and unbounded following：当前行及后续所有行
rows between unbounded preceding and current row：当前行及前面的所有行
通用聚合函数
支持所有的 通用聚合函数，例如 sum()，avg()等，通用聚合函数将针对每行数据计算其在窗口帧内的统计值。
排序函数
排序函数不能使用窗口帧
函数
说明
rank()
对每个窗口分区分别进行排名并返回值。相同的值拥有相同的排名，所以排名可能不是连续的。例如，有两个相同值的排名为1，则下一个值的排名为3。
dense_rank()
与 rank() 类似，区别在于该函数排名是连续的。例如，有两个相同值的排名为1，则下一个值的排名为2。
cume_dist()
统计窗口分区内各个值的累计分布，即窗口分区内值小于等于当前值的行数占窗口内总行数的比例。
ntile(n)
将窗口分区内数据按照顺序分为n组，如果分区内的行数没有被平均分成 n 组，则从第一组开始，每组分配一个剩余值。例如：数据有6行，需要分为4组，则每行数据的组号为 1、1、2、2、3、4。
percent_rank()
计算每行数据在窗口分区内的百分比排名，计算方式为(r - 1) / (n - 1)，其中r为通过 rank() 获取到排名值，n为窗口分区内的总行数
row_number()
返回窗口分区内每行数据（根据排序规则排序后）的序号，从1开始，每行均为唯一值。
取值函数
函数
说明
first_value(key)
返回窗口分区内的第一个值。
last_value(key)
返回窗口分区内最后一个值。
nth_value(key, offset)
返回窗口分区内指定偏移后的值，offset 从1开始计算。如果 offset 为 null 或超过了窗口分区内行的数量，则返回null。offset 不允许为0或负数。
lead(key[, offset[, default_value]])
返回窗口分区内当前行向后指定偏移后的值，offset 从0开始计算，即当前行。offset 默认为1，如果 offset 为 null，则返回 null。如果偏移后的行超出了窗口分区，则返回 default_value，未指定时返回 null。
使用该函数时必须制定窗口分区内的排序规则（ORDER BY），并且不能使用窗口帧。
lag(key[, offset[, default_value]])
与 lead(key[, offset[, default_value]]) 函数类似，区别在于该函数会返回当前行向前指定偏移后的值。
示例
示例1：查询最近1小时每个接口最慢的5个请求及其请求 ID
选择时间范围为近1小时，并执行如下查询和分析语句，其中 action 为接口名称，timeCost 为接口响应时间，seqId 为请求ID。
查询和分析语句
* | select * from (select action,timeCost,seqId,rank() over (partition by action order by timeCost desc) as ranking order by action,ranking,seqId) where ranking<=5 limit 10000
查询和分析结果
action
timeCost
seqId
ranking
ModifyXXX
151
d75427b3-c562-6d7a-354f-469963aab689
1
ModifyXXX
104
add0d353-1099-2c73-e9c9-19ad02480474
2
CreateXXX
1254
c7d591f0-2da6-292c-8abf-98a0716ff8c6
1
CreateXXX
970
d920cf7a-7e7b-524b-68e9-a957c454c328
2
CreateXXX
812
16357f6d-33b3-83ea-0ae3-b1a2233d4858
3
CreateXXX
795
0efdab5e-af5f-4a4a-0618-7961420d17a1
4
CreateXXX
724
fb0481f2-dcfc-9500-cb44-a139b774aceb
5
DescribeXXX
55242
4129dcda-46d7-9213-510e-f58cba29daf5
1
DescribeXXX
17413
e36cdeb0-cbc5-ce2b-dec7-f485818ab6c7
2
DescribeXXX
10171
cd6228f7-4644-ba45-f539-0fce7b09455b
3
DescribeXXX
9475
48b6f6e3-6d08-5a31-cd68-89006a346497
4
DescribeXXX
9337
940b5398-e2ae-9141-801b-b7f0ca548875
5
示例2：查询应用吞吐量的3日移动平均值变化趋势
选择查询和分析的时间范围为最近7天，并执行如下查询和分析语句，其中 pv 为每天的应用吞吐量，avg_pv_3 是3天移动平均后的应用吞吐量。
查询和分析语句
* | select avg(pv) over(order by analytic_time rows between 2 preceding and current row) as avg_pv_3,pv,analytic_time from (select histogram( cast(__TIMESTAMP__ as timestamp),interval 1 day) as analytic_time, count(*) as pv group by analytic_time order by analytic_time)
查询和分析结果
﻿
﻿

联系我们

联系我们，为您的业务提供专属服务。

技术支持

如果你想寻求进一步的帮助，通过工单与我们进行联络。我们提供7x24的工单服务。

7x24 电话支持

tencent cloud

Recent Pages

窗口函数

语法

参数说明

通用聚合函数

排序函数

取值函数

示例

示例1：查询最近1小时每个接口最慢的5个请求及其请求 ID

示例2：查询应用吞吐量的3日移动平均值变化趋势

本页内容是否解决了您的问题？

本页内容是否解决了您的问题？

参数	说明
window_function	窗口值计算方法，支持通用聚合函数、排序函数和取值函数
PARTITION BY	窗口分区依据
ORDER BY	窗口分区内多行数据排序依据
{ ROWS ｜RANGE } BETWEEN frame_start AND frame_end	窗口帧，即窗口分区内每行数据计算值时使用到的数据范围（行），未指定时代表窗口分区内的所有行使用示例： rows between current row and 1 following：当前行及后一行 rows between 1 preceding and current row：当前行及前一行 rows between 1 preceding and 1 following：前一行至后一行（共三行） rows between current row and unbounded following：当前行及后续所有行 rows between unbounded preceding and current row：当前行及前面的所有行

函数	说明
rank()	对每个窗口分区分别进行排名并返回值。相同的值拥有相同的排名，所以排名可能不是连续的。例如，有两个相同值的排名为1，则下一个值的排名为3。
dense_rank()	与 rank() 类似，区别在于该函数排名是连续的。例如，有两个相同值的排名为1，则下一个值的排名为2。
cume_dist()	统计窗口分区内各个值的累计分布，即窗口分区内值小于等于当前值的行数占窗口内总行数的比例。
ntile(n)	将窗口分区内数据按照顺序分为n组，如果分区内的行数没有被平均分成 n 组，则从第一组开始，每组分配一个剩余值。例如：数据有6行，需要分为4组，则每行数据的组号为 1、1、2、2、3、4。
percent_rank()	计算每行数据在窗口分区内的百分比排名，计算方式为(r - 1) / (n - 1)，其中r为通过 rank() 获取到排名值，n为窗口分区内的总行数
row_number()	返回窗口分区内每行数据（根据排序规则排序后）的序号，从1开始，每行均为唯一值。

函数	说明
first_value(key)	返回窗口分区内的第一个值。
last_value(key)	返回窗口分区内最后一个值。
nth_value(key, offset)	返回窗口分区内指定偏移后的值，offset 从1开始计算。如果 offset 为 null 或超过了窗口分区内行的数量，则返回null。offset 不允许为0或负数。
lead(key[, offset[, default_value]])	返回窗口分区内当前行向后指定偏移后的值，offset 从0开始计算，即当前行。offset 默认为1，如果 offset 为 null，则返回 null。如果偏移后的行超出了窗口分区，则返回 default_value，未指定时返回 null。使用该函数时必须制定窗口分区内的排序规则（ORDER BY），并且不能使用窗口帧。
lag(key[, offset[, default_value]])	与 lead(key[, offset[, default_value]]) 函数类似，区别在于该函数会返回当前行向前指定偏移后的值。

action	timeCost	seqId	ranking
ModifyXXX	151	d75427b3-c562-6d7a-354f-469963aab689	1
ModifyXXX	104	add0d353-1099-2c73-e9c9-19ad02480474	2
CreateXXX	1254	c7d591f0-2da6-292c-8abf-98a0716ff8c6	1
CreateXXX	970	d920cf7a-7e7b-524b-68e9-a957c454c328	2
CreateXXX	812	16357f6d-33b3-83ea-0ae3-b1a2233d4858	3
CreateXXX	795	0efdab5e-af5f-4a4a-0618-7961420d17a1	4
CreateXXX	724	fb0481f2-dcfc-9500-cb44-a139b774aceb	5
DescribeXXX	55242	4129dcda-46d7-9213-510e-f58cba29daf5	1
DescribeXXX	17413	e36cdeb0-cbc5-ce2b-dec7-f485818ab6c7	2
DescribeXXX	10171	cd6228f7-4644-ba45-f539-0fce7b09455b	3
DescribeXXX	9475	48b6f6e3-6d08-5a31-cd68-89006a346497	4
DescribeXXX	9337	940b5398-e2ae-9141-801b-b7f0ca548875	5

tencent cloud

注册

登录

Recent Pages

窗口函数

语法

参数说明

通用聚合函数

排序函数

取值函数

示例

示例1：查询最近1小时每个接口最慢的5个请求及其请求 ID

示例2：查询应用吞吐量的3日移动平均值变化趋势

本页内容是否解决了您的问题？

本页内容是否解决了您的问题？