與SQL窗口函數相同

窗口函數的目的是以聲明的方式將業務報告需求轉換為SQL，從而使查詢性能和開發人員/業務分析師的效率得到顯著提高。 我看到現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數據庫就真正理解了業務用例并創建了一個新的功能層來進行業務報告，包括排名，運行總計，根據子組，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。

窗口函數簡介

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

將數據插入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 - Couchbase 6.0）

要在不使用窗口函數的情況下編寫查詢，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據，導致 O（N ^ 2） 的最差算法復雜度 ， 這大大增加了執行時間和吞吐量。

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（即將發布）

此查詢返回玩家，兩輪后的總數（T），分數如何超過/低于標準（ToPar），然后 根據前兩輪的分數對它們 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，優化和運行。

4. 所有這些都會影響總體TCO。

現在，讓我們創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。 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。 下面的查詢有六個窗口函數。

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 執行此查詢 將是一個更大的努力，昂貴，容易出錯的查詢。

除了將內置聚合（COUNT，SUM，AVG等）作為窗口函數，即將發布的版本將具有以下窗口函數。 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（）