ORACLE HANDBOOK系列之一：Oracle分析函数（Analytic Function）

电玩女神 2022-03-28 04:37 227阅读 0赞

**1.****引言**

最近心血来潮去参加了一个PL/SQL工程师的面试，期间被问到了Oracle分析函数，PL/SQL开发并非我的老本行，在之前的工作中，也很少使用分析函数，原因之一是对数据库移植问题的考虑；其二是很少遇到非用分析函数不可的情况；其三是分析函数的语法相对复杂，令人缺乏兴趣。这几天看了一些入门内容，发现它们还是很强大的，唯一的遗憾是目前身边没有真实的应用场景，所以这里举的例子看起来难免有点纸上谈兵的感觉。

**2.****分析函数（****Analytic function****）与聚合函数（****Aggregate function****）**

我们先从“ORA-00979: not a GROUP BY expression”说起，相信大家在开始使用SQL的过程中都遇到过这个错误，比如你写了下面这样的SQL：

SELECT  title, corp,  COUNT ( \* ) cnt  
 FROM  film  
 GROUP  BY  corp  
 ORDER  BY  corp;

ORA-00979错误表明，SELECT子句中出现的字段，要么包含于GROUP BY子句，要么作为聚合函数（上面的COUNT）的输入，除此之外不能包含其它字段。我们可以修改上面的SQL使它可以正常运行：

SELECT  corp,  COUNT ( \* ) af  
 FROM  film  
 GROUP  BY  corp  
 ORDER  BY  corp;

![aggregate-function-count.png][]

这就引出了聚合函数的一个主要特征，聚合之后，同组只保留下一条数据，由上图可知表中由“20th Century Fox”公司出品的影片共有7部，最终记录是一条。

这符合某些统计需求，然而有时候，我们并不希望聚合函数中的这种“合并”操作，尤其是我们常常希望在SELECT子句出现未参与统计的字段，此时我们便可以使用分析函数。对于表中的每一行记录，分析函数都能返回一个统计值，下面我们来看一个具体的实例：

SELECT  title, year ,corp,  
 COUNT ( \* )  OVER  (PARTITION  BY  corp) af  
 FROM  film;

![analytic-function-count1.png][]

注：PARTITION BY不仅导致分区（类似于GROUP BY），而且分区之间是排序好的，也算是它的一个“副作用”。

**3.****基本语法**

function\_name(arg1,arg2,...) OVER (<partition-clause> <order-by-clause > <window clause>)

其中<order-by-clause >子句会在下面的例子中穿插提到，<window clause>子句则会在最后一节进行解释。

另外，还需要提到的一点是，在有分析函数参与的SQL语句中，执行流程依次是：

1) JOIN, WHERE, GROUP BY, HAVING

2) 创建分区（通常通过PARTITION BY），而后分析函数将作用于分区中的每一行

3) 主语句中ORDER BY（这个我们以前就知道，主语句的ORDER BY总是最后执行）。

**4.****AVG, SUM, MAX, MIN, COUNT**

这些大家熟知的聚合函数，同样可作为分析函数使用，当然要符合第3节中给出的分析函数的语法，下面我们来看几个实例：

SELECT  title,corp, year ,box\_office,  
 ROUND ( AVG (box\_office)  OVER  (PARTITION  BY  corp)) af  
 FROM  film;

![avg-2010-09-07.png][]

让我们看看在OVER内应用ORDER BY之后的情形：

SELECT  title, year ,corp,  
 COUNT ( \* )  OVER  (PARTITION  BY  corp  ORDER  BY  year ) af  
 FROM  film;

![analytic-function-count2-order-by-in-over.png][]

这个结果容易让人非常困惑，实际上OVER内的ORDER BY子句导致了分区（PARTITION）内的数据进行了逐步累加。通常，这种“累加”始于排序后该分区的第一条记录，结束于当前记录。当排序列出现相同值（比如上面的两个1997、两个2009），累加则结束于相同记录的最后一条。

让我们再来看一个例子：

SELECT  title,corp, year ,box\_office,  
 MAX (box\_office)  OVER  (PARTITION  BY  corp  ORDER  BY  year ) af  
 FROM  film;

![analytic-function-max-order-by-in-over.png][]

**5.****RANK, DENSE\_RANK, ROW\_NUMBER**

![ContractedBlock.gif][] ![ExpandedBlockStart.gif][] 代码

SELECT  title, corp,  year ,  
 RANK()  OVER  (PARTITION  BY  corp  ORDER  BY  year ) r,  
 DENSE\_RANK()  OVER  (PARTITION  BY  corp  ORDER  BY  year ) dr,  
 ROW\_NUMBER()  OVER  (PARTITION  BY  corp  ORDER  BY  year ) rn  
 FROM  film;

![rank-dense_rank-row_number.png][]

RANK, DENSE\_RANK, ROW\_NUMBER具有类似的行为，只有当排序列包含重复值时，它们的区别才能体现出来。注意上图中红色标识部分，对于相同的年份1997，RANK, DENSE\_RANK都返回相同的值，不同的时，DENSE\_RANK采用密集编号，两个1之后接着的编号是2。对于ROW\_NUMBER，则总是产生连续的编号。

利用这几个函数的特性，可以相对简单地实现TOP N的查询，例如查询表中各电影公司年份最早的电影：

SELECT  \*  FROM  (  
 SELECT  title,corp, year ,  
  RANK()  OVER  (PARTITION  BY  corp  ORDER  BY  year ) r  
 FROM  film  
 ) t  
 WHERE  t.r = **1** ;

![top_n.png][]

**6.****LEAD, LAG**

基本语法：

LEAD(<sql\_expr>, <offset>, <default>) OVER (<analytic\_clause>)

LAG(<sql\_expr>, <offset>, <default>) OVER (<analytic\_clause>)

<sql\_expr> ：通常是字段名。

<offset> ：表示相对于当前行的偏移幅度（对LEAD来说是向后偏移，对LAG来说则是向前），正整数，默认为1。

<default> ：当偏移幅度超出该分区（PARTITION）的范围时返回的值。

SELECT  title,corp, year ,box\_office,  
 LEAD(box\_office, **1** , \- **9999** )  OVER  (PARTITION  BY  corp  ORDER  BY  box\_office) af1,  
 LAG(box\_office, **1** , \- **9999** )  OVER  (PARTITION  BY  corp  ORDER  BY  box\_office) af2  
 FROM  film;

![lead-lag.png][]

我们先来分析LEAD函数的结果，即上图中的AF1字段，对于同一行分区内，AF1字段第N行的值 = 原BOX\_OFFICE第N+1行的值，参见红色标识部分。为什么是N+1呢？实际这取决到我们在SQL语句中指定的offset，我们上面指定的是1。

如果偏移之后超过了分区的范围，则返回函数中指定的default值，这里我们指定的是\-9999。

LAG与LEAD类似，只不过它的偏移是向前的，这点与LEAD相反。

**7.****FIRST\_VALUE, LAST\_VALUE**

FIRST\_VALUE返回各分区内指定排序后的第一条记录的值，LAST\_VALUE则返回最后一条记录的值。

SELECT  title,corp, year ,box\_office,  
 box\_office \- (FIRST\_VALUE(box\_office)  OVER  (PARTITION  BY  corp  ORDER  BY  box\_office)) af  
 FROM  film;

![first_value.png][]

**8.****Window****子句**

我们在第3节提到了分析函数中还有一个window clause，该子句为分析函数指定统计“窗口”。在前面的例子中，大多数的统计“窗口”都是整个分区（PARTITION），也就是说每个统计结果值都是基于相应分区内的所有数据计算而得。使用Window子句则可以将统计“窗口”进一步缩小，我们看一个例子：

SELECT  title,corp, year ,box\_office,  
 MAX (box\_office)  OVER  (PARTITION  BY  corp  ORDER  BY  year  ROWS  BETWEEN  **2**  PRECEDING  AND  **1**  FOLLOWING) af  
 FROM  film;

![windowing-1.png][]

由于分析函数中给定的窗口是ROWS BETWEEN 2 PRECEDING AND 1 FOLLOWING，基本上我们可以按字面意思理解“2 Preceding”跟“1 Following”，这表示“窗口”始于当前行之前两行，终于当前行之后一行，“窗口”大小共4行，所以我们看最后一列中红色标识的1840000000是由第1行到第4行中求得的MAX值；而最后一列中蓝色标识的920000000则是由第2行到第5行中求得的MAX值。

回过来看Window子句的具体语法：

ROWS BETWEEN <start\_expr> AND <end\_expr>

其中<start\_expr>与<end\_expr> 可能是以下形式：

(1) 1, 2, ..., N PRECEDING|FOLLOWING

(2) UNBOUNDED PRECEDING|FOLLOWING

(3) CURRENT ROW

还存在一种更简单的语法：

ROWS 1, 2, ..., N PRECEDING 或ROWS UNBOUNDED PRECEDING

此时，统计“窗口”默认结束于当前行。

再来看一个综合例子：

![ContractedBlock.gif][] ![ExpandedBlockStart.gif][] 代码

SELECT  title,corp, year ,box\_office,  
 MAX (box\_office)  OVER  (PARTITION  BY  corp  ORDER  BY  year  ROWS  BETWEEN  **2**  PRECEDING  AND  CURRENT  ROW) af1,  
 MAX (box\_office)  OVER  (PARTITION  BY  corp  ORDER  BY  year  ROWS  BETWEEN  **2**  PRECEDING  AND  UNBOUNDED FOLLOWING) af2,  
 MAX (box\_office)  OVER  (PARTITION  BY  corp  ORDER  BY  year  ROWS  BETWEEN  **1**  PRECEDING  AND  **2**  PRECEDING) af3,  
 MAX (box\_office)  OVER  (PARTITION  BY  corp  ORDER  BY  year  ROWS  **2**  PRECEDING) af4,  
 MAX (box\_office)  OVER  (PARTITION  BY  corp  ORDER  BY  year  ROWS  BETWEEN  UNBOUNDED PRECEDING  AND  **1**  FOLLOWING) af5,  
 MAX (box\_office)  OVER  (PARTITION  BY  corp  ORDER  BY  year  ROWS  BETWEEN  **1**  FOLLOWING  AND  **2**  FOLLOWING) af6  
 FROM  film;

![windowing-general.png][]

注：可以看到查询结果中的AF3这一列是NULL值，这是因为我们在指定“窗口”的时候，<start\_expr>所指向的记录一定要位于<end\_expr>之前，而产生AF3统计结果的“窗口”是ROWS BETWEEN 1 PRECEDING AND 2 PRECEDING，与要求不符，导致返回NULL。

除了上面用到的窗口子句——我们称之为Row Type Window，还有另外一种窗口子句，叫作Range Type Window，下面我们来看一个例子：

SELECT  title,corp, year ,box\_office,  
 MAX (box\_office)  OVER  (PARTITION  BY  corp  ORDER  BY  year  RANGE  BETWEEN  **2**  PRECEDING  AND  **1**  FOLLOWING) af  
 FROM  film;

![range-type-window.png][]

由于我们是按字段“year”进行排序的，那么上面的窗口就表示从当前行的年份往前2年，到当前行的年份往后1年，共4年的范围。

比如对于上图中红色标识的行中，该行的窗口即\[2003, 2006\]，由于这个时间段内只有它自己，则返回对应的BOX\_OFFICE；再比如蓝色标识部分，该行的窗口即\[2007, 2010\]，返回此范围内的最大值2560000000。

\--

到这里，文章写完了，文章中介绍了几个相对比较常见的分析函数，作为入门之用，其它众多的分析函数在使用上大同小异，有兴趣的同仁可以深入研究。祝阅读愉快。

[aggregate-function-count.png]: /images/20220328/cd93aca324d54cd0859ca6ed7df91f92.png
[analytic-function-count1.png]: /images/20220328/56c0d4cde0b64281bf8fbd657276545b.png
[avg-2010-09-07.png]: /images/20220328/6b7ed2407c464ddaa7ad122a613da280.png
[analytic-function-count2-order-by-in-over.png]: /images/20220328/8c36c6110fbd436cb4a664333b569c69.png
[analytic-function-max-order-by-in-over.png]: /images/20220328/f6c477b9bd764800b80c65d9bf7cfa74.png
[ContractedBlock.gif]: https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif
[ExpandedBlockStart.gif]: /images/20220328/61675caaf5534b4193948a91a91e1657.png
[rank-dense_rank-row_number.png]: /images/20220328/2199d5e0a62f457cb5861a42fe75dae9.png
[top_n.png]: /images/20220328/fe1870d334224990b6086eeeb634dc22.png
[lead-lag.png]: /images/20220328/5bc0b76177ab4671be11d399559931be.png
[first_value.png]: /images/20220328/fcfe99f99f8a43ccbc7cb152459ee220.png
[windowing-1.png]: /images/20220328/8dd2066dd9654ff38610c3f15bad275a.png
[windowing-general.png]: /images/20220328/5b8076cb73c64d48a974f1cbc5d4d00d.png
[range-type-window.png]: /images/20220328/ac79cda313b84dffbb89328fbe978097.png