窗口函数

窗口函数是SQL提供的高级分析功能，对聚合函数或专用分析函数添加OVER子句，来创建窗口函数。

sqala提供了over方法，用于创建窗口，其参数为窗口的分组规则，排序规则和窗口函数框架。

使用partitionBy方法创建窗口的分组规则，并配合over使用：

scala

val q = query:
    from(Post)
        .map(p => sum(p.likeCount).over(partitionBy(p.authorId)))

partitionBy之后可以使用orderBy方法创建窗口的排序规则：

scala

val q = query:
    from(Post)
        .map(p => sum(p.likeCount).over(partitionBy(p.authorId).orderBy(p.id.desc)))

over中也可以没有partitionBy：

scala

val q = query:
    from(Post)
        .map(p => sum(p.likeCount).over(orderBy(p.id.desc)))

over中也支持窗口函数框架，range、rows、groups参数是单个边界信息，rangeBetween、rowsBetween、groupsBetween参数是两个边界信息：

scala

val q = query:
    from(Post).map: p => 
        sum(p.likeCount)
            .over(
                partitionBy(p.authorId)
                    .orderBy(p.id.desc)
                    .rows(currentRow)
            )

或

scala

val q = query:
    from(Post).map: p => 
        sum(p.likeCount)
            .over(
                partitionBy(p.authorId)
                    .orderBy(p.id.desc)
                    .rowsBetween(currentRow, 1.preceding)
            )

边界支持currentRow、unboundedPreceding、unboundedFollowing、n.Preceding、n.Following。

sqala内置支持的窗口函数有：

函数	对应的SQL函数
`rank()`	`RANK()`
`denseRank()`	`DENSE_RANK()`
`percentRank()`	`PERCENT_RANK()`
`cumeDist()`	`CUME_DIST()`
`rowNumber()`	`ROW_NUMBER()`
`ntile(n)`	`NTILE(n)`
`firstValue(a)`	`FIRST_VALUE(a)`
`lastValue(a)`	`LAST_VALUE(a)`
`nthValue(a, n)`	`NTH_VALUE(a, n)`
`lag(a)`	`LAG(a)`
`lag(a, n)`	`LAG(a, n)`
`lag(a, n, d)`	`LAG(a, n, d)`
`lead(a)`	`LEAD(a)`
`lead(a, n)`	`LEAD(a, n)`
`lead(a, n, d)`	`LEAD(a, n, d)`

窗口函数 ​

窗口函数