窗口函数是一种高级函数，它允许用户在不显式分组查询的情况下对结果集进行分组和聚合计算。窗口函数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，TopN的排序等。

aggregate_function (column_name)
  OVER ([[PARTITION BY grouping_column] [ORDER BY sorting_column] 
        [ROWS or RANGE or GROUPS <offest> PRECEDING and <offset> FOLLOWING]] | [window_name])
FROM table_name
WINDOW window_name as ([[PARTITION BY grouping_column] [ORDER BY sorting_column])

参数详解：

• PARTITION BY - 对数据结果进行窗口的分割。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。
• 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。
• ROWS or RANGE or GROUPS - 设定窗口的边界范围。聚合函数会在边界范围内计算。、
  • **ROW：**基于行的物理位置进行定义边界。例如: ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING 表示对于当前行，窗口包含前一行、当前行和后一行。
  • **RANGE：**基于行值的范围来定义边界。例如: 如果您按照日期排序，并使用 RANGE BETWEEN INTERVAL 1 DAY PRECEDING AND INTERVAL 1 DAY FOLLOWING，则对于给定的日期，窗口将包括前一天、当前日期和后一天的所有数据。
  • GROUPS: 基于相对于当前行的分组位置定义边界。首先根据 ORDER BY 进行排序，再进行 ROWS BETWEEN 的取值。例如: GROUPS BETWEEN 1 PRECEDING AND 1 FOLLOWING，窗口包含排序后的前一行、当前行和后一行。
• WINDOW - 允许对一个窗口进行命名，使得它在在多个表达式中重复使用。

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。

ByteHouse 全部的聚合函数（例如sum, avg, count, min, max等）都支持作为开窗语法下的函数使用。此外，开窗语法还支持以下 Navigation 函数： rank, dense_rank, percent_rank, cume_dist, ntile,nth_value, row_number,lag和lead。
假设我们有以下 sales_data 表格的数据：

date        | sales
 -----------|------ 
 2022-01-01 | 100 
 2022-01-02 | 150 
 2022-01-03 | 150 
 2022-01-04 | 200

函数解释：

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)；
5. cume_dist()：函数计算当前行的累积分布，即当前行之前的行数与总行数的比率。下述查询为每行销售数据计算其在所有销售数据中的累积分布：

SELECT date, sales, CUME_DIST() OVER (ORDER BY sales) AS cum_distribution FROM sales_data; 

6. nth_value(value, n)：nth_value 函数返回窗口内的第 n 个值。这对于检索窗口内的特定位置的值非常有用。下述查询为每行返回日期排序的窗口内的第二个销售值：

SELECT date, sales, NTH_VALUE(sales, 2) OVER (ORDER BY date) AS second_sale_value FROM sales_data; 

7. ntile(n)**：**函数将结果集分成 n 个大致相等的部分，并为每一行分配一个桶号，从 1 到 n。在下面的查询中，我们将销售数据划分为四个四分位数，并为每行分配一个四分位数值：

SELECT date, sales, NTILE(4) OVER (ORDER BY sales) AS quartile FROM sales_data; 

8. lag/lead(value, offset)：lag 和 lead 函数可以帮助您获取当前行的前面或后面的值。offset 是一个整数，表示距离当前行的行数。在下面的查询中，我们正在查找前一天的销售数据：

SELECT date, sales, LAG(sales, 1) OVER (ORDER BY date) AS prev_sales FROM sales_data;