GBase与梧桐数据库窗口函数使用的做法比较实用指南

平时做技术实践时，很多问题不是概念不会，而是细节没串起来。拿“GBase与梧桐数据库窗口函数采用的做法比较”来说，它看着像小点，放到项目里常会牵出环境、配置、兼容性和维护成本。下面按实际采用顺序，把思路、关键写法和容易踩坑的地方讲清楚，便于大家直接对照操作。

一、前言

实际处理时，窗口函数能够进行复杂的数据分析，使数据处理变得更加灵活和强大。借助这些函数，用户能够在不同的窗口范围内对数据进行汇总、平均、计数等操作，以下介绍一些常用的窗口函数分别在梧桐数据库和GBase数据库中的采用。

二、新建测试用例

实际处理时，为更好的体现函数的采用，现新建一个测试表来验证各类窗口函数的采用及得到结果；

1、建表

-- gbase数据库建表create table rows_test 
(
user_id varchar(10),    --用户idprod_id varchar(10),    --产品idsale_cnt decimal(10,0)  --销售数量);-- 梧桐数据库建表create table rows_test 
(
user_id character varying(10),  --用户idprod_id character varying(10),  --产品idsale_cnt numeric(10,0)          --销售数量);

2、测试用例

insert into rows_test values('AAA','pd_1',2),
('AAA','pd_2',5),
('BBB','pd_1',1),
('BBB','pd_2',2),
('BBB','pd_3',3),
('CCC','pd_1',3),
('CCC','pd_3',4),
('DDD','pd_1',2),
('DDD','pd_3',4);--梧桐数据库与GBase数据插入语法相同

三、排序类窗口函数

1、简介

排序类窗口函数常用的有 row_number()、rank()、dense_rank();

• 从实现思路看，row_number()：为每个行分配一个唯一的连续整数，从1开始。它不会为任何行跳过数字，即使有同时列（ties）也不会跳过；

• rank()：在遇到同时列时会为相同的值分配相同的排名，并且后续的排名会跳过已采用的数字。比如，如果有两行并列第一，它们的排名都是1，下一行的排名会是3，而不是2；

• 在这个场景下，dense_rank()：在处理同时列时会为相同的值分配相同的排名，并且下一个排名会紧接着上一个排名，即使有并列也不会跳过数字；

2、函数采用

在这个场景下，以产品 ‘prod_1’ 的销售数量对用户进行排名，分别采用上述函数实现：

梧桐数据库与GBase数据库语法相同，不做重复赘述

select *,row_number() over(partition by prod_id order by sale_cnt desc) row_id 
from rows_test ;select *,rank() over(partition by prod_id order by sale_cnt desc) rank_id 
from rows_test ;select *,dense_rank() over(partition by prod_id order by sale_cnt desc) dense_rank_id 
from rows_test ;

梧桐数据库执行结果

GBase 执行结果

• over 子句用来定义窗口的分区及排序方式

• partition by 定义排序分区

• order by 定义排序方式

如上结果：

row_number() 会为每一行赋予一个整数不会跳过，当排序条件相同时，会随机一行排序；

rank()在排序条件相同时会赋予相同的值，下一个值会跳过；

dense_rank()在排序条件相同时会赋予相同的值，下一个值会接上一个；

四、统计类窗口函数

从实现思路看，统计类窗口函数常用的有 count()、sum()、avg()、max()、min() 等，其效果与聚合函数相同，具体如下所示：

• sum(column_1)：对 column_1 字段求和，字段必须是整型或浮点型；

• count(column_1)：对 column_1 字段计数；

• avg(column_1)：对 column_1 字段求平均值，字段必须是整型或浮点型；

• max(column_1)：对 column_1 字段求最大值，字段是整型或浮点型，也可是字符串；

• min(column_1)：对 column_1 字段求最小值，字段是整型或浮点型，也可是字符串；

示例：

select *,sum(sale_cnt) over (partition by user_id),count(prod_id) over (partition by user_id),avg(sale_cnt) over (partition by user_id),max(sale_cnt) over (partition by user_id),min(sale_cnt) over (partition by user_id)from rows_test

示例解释：

• sum(sale_cnt) over (partition by user_id)以用户id为分区计算销量的和，得到值为用户所有产品销量的和；

• count(prod_id) over (partition by user_id)以用户id为分区计算销售产品数量，得到值为用户销售的产品个数；

• avg(sale_cnt) over (partition by user_id)以用户id为分区计算销售产品销量的平均值，得到值为用户平均每个产品的销量；

• max(sale_cnt) over (partition by user_id)以用户id为分区计算产品最大销量，得到值为用户销售最多的产品个数；

• min(sale_cnt) over (partition by user_id)以用户id为分区计算销售产品数量，得到值为用户销售最少的产品个数；

梧桐数据库测试结果如图：

五、总结

在这个场景下，对比梧桐数据库与GBase数据窗口函数的语法及采用基本相同，其避免了采用子查询或连接，能够显著提高查询性能；提供了对数据进行灵活分析的能力，能够轻松适应不同的数据分析需求，增强了数据的分析能力；

结合项目来看，窗口函数的应用场景也很广泛，能够用来各种数据分析和处理任务；比如借助排序类函数能够计算套餐销量top；地市、区县业务发展情况的top等；汇总、累计类函数能够统计用户出账等收入分析。

到此这篇关于GBase与梧桐数据库窗口函数采用的方法比较的文章就介绍到这了,更多相关GBase与梧桐数据库窗口函数采用内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多兼容脚本之家！