窗口函数

窗口函数是指：查询的输入参数是从上一个查询结果的一行或多行的“窗口”中取出的。例如：对查询结果分组进行排名展示，对查询结果分组再次进行累加等。
窗口函数常在业务中用于同比环比分析，top n 的排序等。

使用示例

原表为：

查询 SQL 为:

select a, b, c, sum(e), sum(sum(e)) over 
    (partition by a,b order by a,b,c rows between 3 preceding and 3 following) 
    as acc_sum
from t0_local group by a,b,c order by a,b,c;

该 SQL 的返回如下：

即通过将结果开了（1，1），（1，2），（2，1），（3，1）四个窗口，并在acc_sum列输出每个窗口内的累加值。

语法详解

可以具体参考如下文档来了解 window function 的详细语法: https://sqlite.org/windowfunctions.html
在此章节，我们会简要介绍已经当前已经实现的语法。
典型的语法示例为：

select a, b, window_founction(c) over 
    (partition by a,b order by a,b rows between n preceding and m following)

1. 示例中的 window_founction() 指代可以被开窗的函数，包括 ClickHouse 全部的聚合函数（例如sum, avg, count, min, max等），以及 Navigation 函数，目前 Navigation 函数仅支持以下四种：rank,row_number,dense_rank,percent_rank。

   1. row_number() 按照值排序时产生一个自增编号，不会重复

   2. rank() 按照值排序时产生一个自增编号，值相等时会重复，会产生空位

   3. dense_rank() 按照值排序时产生一个自增编号，值相等时会重复，不会产生空位

   4. percent_rank() 按照值排序时产生一个百分比值，值等于 (rank() - 1)/(- 1)

2. OVER的子句包含 partition by , order by 与 rows 三个组成部分：

   1. partition by，指对数据进行窗口的分割。和 Group By 不同，不同窗口的数据并不会像 Group by 那样合并为一行，而只是为了标识在分割后进行对哪些组别的数据进行order by 和 row 操作。

   2. order by，在over子句中，order by 只是用来决定窗口函数按照什么顺序进行计算，但对结果呈现的排列顺序没有影响。

   3. rows ，语义即为以 row 为单位来计算 window frame 的范围。举例如下， rows between 3 preceding and 2 following 的意思就是说以当前行为参考，frame的范围包括了往前3行和往后2行。假如当前行为 n，那么frame的范围就是 [n-3, n+2]。rows 部分可以被省略。

3. 我们支持对窗口的命名，举例如下：

SELECT a                        AS a,
       row_number() OVER win    AS row_number,
       rank() OVER win          AS rank,
       dense_rank() OVER win    AS dense_rank,
       percent_rank() OVER win  AS percent_rank
FROM t2
WINDOW win AS (ORDER BY a);

在以上 SQL语句中，我们用 win 来代替了一个 window: OVER (ORDER BY a)，此时，可以在多个输出列中使用相同的 window。

4. Window function 中 frame 的起始和终止偏移量可以用已经输出的列来表示。举例如下:

select a, b, c, d, e, sum(e), sum(sum(e)) over 
    (partition by a,b order by a,b,c rows between d preceding and e following) 
    as acc_sum
from t0_local group by a,b,c order by a,b,c;

假如 d 和 e 都是整数类型，那么就可以用 d 和 e 的值来代表偏移量， 此偏移量是逐行使用的。

5. 窗口函数有对特定的SQL做优化，如果 preceding 和 following 符合以下条件那么就会通过 streaming 的方式来计算结果（每行数据只会被扫描一次），可以提升读取性能。