2. 首页 > 国产数据库教程 > YashanDB教程 > 正文

yashandb教程FG027-YashanDB窗口函数实战

教程整理：风哥教程  |  更新时间：2026-04-09  |  教程分类：YashanDB教程  |  文档学习：31

本文档风哥主要介绍YashanDB窗口函数的实战应用，包括YashanDB窗口函数的概念、类型、执行原理，以及排名函数、聚合窗口函数、分析函数的具体实现和性能优化，风哥教程参考YashanDB官方文档SQL语言参考手册内容，适合DBA和开发人员在学习和测试中使用。更多视频教程www.fgedu.net.cn

Part01-基础概念与理论知识

1.1 YashanDB窗口函数概念

YashanDB窗口函数是一种特殊的函数，它在查询结果集的一个子集（窗口）上执行计算，而不是在整个结果集上执行。窗口函数可以用于计算排名、移动平均值、累计总和等分析型计算。学习交流加群风哥微信: itpux-com

YashanDB窗口函数的特点：

  • 在查询结果集的一个子集上执行计算
  • 可以保留原始数据的所有行
  • 可以使用PARTITION BY子句分组
  • 可以使用ORDER BY子句排序
  • 可以使用FRAME子句定义窗口范围

1.2 YashanDB窗口函数类型

YashanDB支持以下类型的窗口函数：

# 窗口函数类型
– 排名函数：ROW_NUMBER、RANK、DENSE_RANK、NTILE
– 聚合窗口函数：SUM、AVG、COUNT、MAX、MIN
– 分析函数：LEAD、LAG、FIRST_VALUE、LAST_VALUE
– 分布函数：PERCENT_RANK、CUME_DIST
– 逆分布函数：PERCENTILE_CONT、PERCENTILE_DISC

1.3 YashanDB窗口函数执行原理

YashanDB窗口函数的执行原理：

  • 分区：根据PARTITION BY子句将结果集划分为多个分区
  • 排序：根据ORDER BY子句对每个分区内的数据排序
  • 窗口定义：根据FRAME子句定义每个行的窗口范围
  • 计算：对每个行的窗口执行函数计算
  • 返回：返回计算结果，保留原始数据
风哥提示：窗口函数是一种强大的SQL特性，可以简化复杂的分析型计算。建议在需要进行排名、移动平均、累计总和等分析时使用窗口函数。学习交流加群风哥QQ113257174

Part02-生产环境规划与建议

2.1 YashanDB窗口函数规划

在生产环境中使用YashanDB窗口函数时，需要进行以下规划：

# 窗口函数需求分析
– 明确窗口函数的业务需求
– 确定使用哪种类型的窗口函数
– 评估窗口函数对性能的影响

# 窗口函数设计
– 选择合适的窗口函数
– 合理设置PARTITION BY子句
– 合理设置ORDER BY子句
– 合理设置FRAME子句

# 窗口函数权限规划
– 确保用户拥有必要的查询权限
– 遵循最小权限原则
– 避免使用不必要的权限

# 窗口函数监控
– 监控窗口函数的执行性能
– 识别慢窗口函数查询
– 定期分析执行计划

2.2 YashanDB窗口函数性能考虑

YashanDB窗口函数的性能考虑：

性能影响因素：

  • 数据量：处理的数据量越大，执行时间越长
  • 分区数：分区数越多，执行时间可能越长
  • 排序：排序操作会影响性能
  • 窗口大小：窗口越大，执行时间越长
  • 函数复杂度：复杂的窗口函数执行时间更长

2.3 YashanDB窗口函数最佳实践

YashanDB窗口函数最佳实践：

  • 使用适当的分区：根据数据分布选择合适的分区列
  • 优化排序：为排序列创建索引
  • 限制窗口大小：只使用必要的窗口大小
  • 避免复杂计算：简化窗口函数的计算逻辑
  • 监控性能：定期监控窗口函数的执行性能
风哥提示：窗口函数的性能优化是数据库性能调优的重要部分。建议在使用窗口函数时，充分考虑性能因素，优化窗口定义，以提高系统性能。更多学习教程公众号风哥教程itpux_com

Part03-生产环境项目实施方案

3.1 YashanDB排名函数实现

3.1.1 YashanDB ROW_NUMBER函数

— 创建测试表
CREATE TABLE fgedu_employees (
emp_id NUMBER PRIMARY KEY,
emp_name VARCHAR2(100),
department VARCHAR2(100),
salary NUMBER,
hire_date DATE
);

— 插入测试数据
INSERT INTO fgedu_employees VALUES (1, ‘张三’, ‘技术部’, 5000, SYSDATE – 365);
INSERT INTO fgedu_employees VALUES (2, ‘李四’, ‘销售部’, 6000, SYSDATE – 180);
INSERT INTO fgedu_employees VALUES (3, ‘王五’, ‘技术部’, 7000, SYSDATE – 90);
INSERT INTO fgedu_employees VALUES (4, ‘赵六’, ‘销售部’, 8000, SYSDATE – 30);
INSERT INTO fgedu_employees VALUES (5, ‘孙七’, ‘技术部’, 9000, SYSDATE);
INSERT INTO fgedu_employees VALUES (6, ‘周八’, ‘销售部’, 7000, SYSDATE – 60);
INSERT INTO fgedu_employees VALUES (7, ‘吴九’, ‘技术部’, 6000, SYSDATE – 270);

— ROW_NUMBER函数
SELECT
emp_id,
emp_name,
department,
salary,
ROW_NUMBER() OVER (ORDER BY salary DESC) AS “总排名”,
ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC) AS “部门排名”
FROM fgedu_employees;

EMP_ID EMP_NAME DEPARTMENT SALARY 总排名 部门排名
—— ——– ———- —— —— ——–
5 孙七 技术部 9000 1 1
4 赵六 销售部 8000 2 1
3 王五 技术部 7000 3 2
6 周八 销售部 7000 4 2
2 李四 销售部 6000 5 3
7 吴九 技术部 6000 6 3
1 张三 技术部 5000 7 4

3.1.2 YashanDB RANK和DENSE_RANK函数

— RANK和DENSE_RANK函数
SELECT
emp_id,
emp_name,
department,
salary,
RANK() OVER (ORDER BY salary DESC) AS “RANK排名”,
DENSE_RANK() OVER (ORDER BY salary DESC) AS “DENSE_RANK排名”
FROM fgedu_employees;

EMP_ID EMP_NAME DEPARTMENT SALARY RANK排名 DENSE_RANK排名
—— ——– ———- —— —— ———–
5 孙七 技术部 9000 1 1
4 赵六 销售部 8000 2 2
3 王五 技术部 7000 3 3
6 周八 销售部 7000 3 3
2 李四 销售部 6000 5 4
7 吴九 技术部 6000 5 4
1 张三 技术部 5000 7 5

3.1.3 YashanDB NTILE函数

— NTILE函数
SELECT
emp_id,
emp_name,
department,
salary,
NTILE(3) OVER (ORDER BY salary DESC) AS “薪资分桶”
FROM fgedu_employees;

EMP_ID EMP_NAME DEPARTMENT SALARY 薪资分桶
—— ——– ———- —— ——–
5 孙七 技术部 9000 1
4 赵六 销售部 8000 1
3 王五 技术部 7000 1
6 周八 销售部 7000 2
2 李四 销售部 6000 2
7 吴九 技术部 6000 2
1 张三 技术部 5000 3

3.2 YashanDB聚合窗口函数实现

3.2.1 YashanDB SUM窗口函数

— SUM窗口函数
SELECT
emp_id,
emp_name,
department,
salary,
SUM(salary) OVER () AS “总工资”,
SUM(salary) OVER (PARTITION BY department) AS “部门总工资”,
SUM(salary) OVER (ORDER BY salary) AS “累计工资”
FROM fgedu_employees;

EMP_ID EMP_NAME DEPARTMENT SALARY 总工资 部门总工资 累计工资
—— ——– ———- —— —— ———- ——–
1 张三 技术部 5000 48000 27000 5000
7 吴九 技术部 6000 48000 27000 11000
2 李四 销售部 6000 48000 21000 17000
3 王五 技术部 7000 48000 27000 24000
6 周八 销售部 7000 48000 21000 31000
4 赵六 销售部 8000 48000 21000 39000
5 孙七 技术部 9000 48000 27000 48000

3.2.2 YashanDB AVG窗口函数

— AVG窗口函数
SELECT
emp_id,
emp_name,
department,
salary,
AVG(salary) OVER () AS “平均工资”,
AVG(salary) OVER (PARTITION BY department) AS “部门平均工资”,
AVG(salary) OVER (ORDER BY salary ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS “移动平均工资”
FROM fgedu_employees;

EMP_ID EMP_NAME DEPARTMENT SALARY 平均工资 部门平均工资 移动平均工资
—— ——– ———- —— ——– ———- ————
1 张三 技术部 5000 6857.14 6750 5000
7 吴九 技术部 6000 6857.14 6750 5500
2 李四 销售部 6000 6857.14 7000 5666.67
3 王五 技术部 7000 6857.14 6750 6333.33
6 周八 销售部 7000 6857.14 7000 6666.67
4 赵六 销售部 8000 6857.14 7000 7333.33
5 孙七 技术部 9000 6857.14 6750 8000

3.2.3 YashanDB MAX和MIN窗口函数

— MAX和MIN窗口函数
SELECT
emp_id,
emp_name,
department,
salary,
MAX(salary) OVER (PARTITION BY department) AS “部门最高工资”,
MIN(salary) OVER (PARTITION BY department) AS “部门最低工资”
FROM fgedu_employees;

EMP_ID EMP_NAME DEPARTMENT SALARY 部门最高工资 部门最低工资
—— ——– ———- —— ———— ————
1 张三 技术部 5000 9000 5000
7 吴九 技术部 6000 9000 5000
3 王五 技术部 7000 9000 5000
5 孙七 技术部 9000 9000 5000
2 李四 销售部 6000 8000 6000
6 周八 销售部 7000 8000 6000
4 赵六 销售部 8000 8000 6000

3.3 YashanDB分析函数实现

3.3.1 YashanDB LEAD和LAG函数

— LEAD和LAG函数
SELECT
emp_id,
emp_name,
department,
salary,
LEAD(salary) OVER (PARTITION BY department ORDER BY salary) AS “下一个工资”,
LAG(salary) OVER (PARTITION BY department ORDER BY salary) AS “上一个工资”
FROM fgedu_employees;

EMP_ID EMP_NAME DEPARTMENT SALARY 下一个工资 上一个工资
—— ——– ———- —— ———- ———-
1 张三 技术部 5000 6000 (null)
7 吴九 技术部 6000 7000 5000
3 王五 技术部 7000 9000 6000
5 孙七 技术部 9000 (null) 7000
2 李四 销售部 6000 7000 (null)
6 周八 销售部 7000 8000 6000
4 赵六 销售部 8000 (null) 7000

3.3.2 YashanDB FIRST_VALUE和LAST_VALUE函数

— FIRST_VALUE和LAST_VALUE函数
SELECT
emp_id,
emp_name,
department,
salary,
FIRST_VALUE(salary) OVER (PARTITION BY department ORDER BY salary) AS “部门最低工资”,
LAST_VALUE(salary) OVER (PARTITION BY department ORDER BY salary ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS “部门最高工资”
FROM fgedu_employees;

EMP_ID EMP_NAME DEPARTMENT SALARY 部门最低工资 部门最高工资
—— ——– ———- —— ———— ————
1 张三 技术部 5000 5000 9000
7 吴九 技术部 6000 5000 9000
3 王五 技术部 7000 5000 9000
5 孙七 技术部 9000 5000 9000
2 李四 销售部 6000 6000 8000
6 周八 销售部 7000 6000 8000
4 赵六 销售部 8000 6000 8000

3.3.3 YashanDB PERCENT_RANK和CUME_DIST函数

— PERCENT_RANK和CUME_DIST函数
SELECT
emp_id,
emp_name,
department,
salary,
PERCENT_RANK() OVER (ORDER BY salary) AS “百分比排名”,
CUME_DIST() OVER (ORDER BY salary) AS “累积分布”
FROM fgedu_employees;

EMP_ID EMP_NAME DEPARTMENT SALARY 百分比排名 累积分布
—— ——– ———- —— ———- ——–
1 张三 技术部 5000 0 0.1429
7 吴九 技术部 6000 0.1667 0.4286
2 李四 销售部 6000 0.1667 0.4286
3 王五 技术部 7000 0.5 0.7143
6 周八 销售部 7000 0.5 0.7143
4 赵六 销售部 8000 0.8333 0.8571
5 孙七 技术部 9000 1 1

风哥提示：窗口函数是一种强大的SQL特性，可以简化复杂的分析型计算。建议在需要进行排名、移动平均、累计总和等分析时使用窗口函数，以提高代码可读性和维护性。from yashandb视频:www.itpux.com

Part04-生产案例与实战讲解

4.1 YashanDB排名函数实战案例

在生产环境中，使用排名函数解决业务问题：

— 案例：获取每个部门工资前2名的员工
WITH ranked_employees AS (
SELECT
emp_id,
emp_name,
department,
salary,
ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC) AS “部门排名”
FROM fgedu_employees
)
SELECT *
FROM ranked_employees
WHERE “部门排名” <= 2; EMP_ID EMP_NAME DEPARTMENT SALARY 部门排名 ------ -------- ---------- ------ -------- 5 孙七 技术部 9000 1 3 王五 技术部 7000 2 4 赵六 销售部 8000 1 6 周八 销售部 7000 2 -- 案例：根据薪资水平将员工分为3个等级 SELECT emp_id, emp_name, department, salary, NTILE(3) OVER (ORDER BY salary DESC) AS "薪资等级", CASE NTILE(3) OVER (ORDER BY salary DESC) WHEN 1 THEN '高薪资' WHEN 2 THEN '中等薪资' WHEN 3 THEN '低薪资' END AS "薪资等级描述" FROM fgedu_employees; EMP_ID EMP_NAME DEPARTMENT SALARY 薪资等级 薪资等级描述 ------ -------- ---------- ------ -------- ---------- 5 孙七 技术部 9000 1 高薪资 4 赵六 销售部 8000 1 高薪资 3 王五 技术部 7000 1 高薪资 6 周八 销售部 7000 2 中等薪资 2 李四 销售部 6000 2 中等薪资 7 吴九 技术部 6000 2 中等薪资 1 张三 技术部 5000 3 低薪资

4.2 YashanDB聚合窗口函数实战案例

在生产环境中，使用聚合窗口函数分析数据：

— 案例：分析员工薪资占比
SELECT
emp_id,
emp_name,
department,
salary,
SUM(salary) OVER (PARTITION BY department) AS “部门总工资”,
ROUND(salary / SUM(salary) OVER (PARTITION BY department) * 100, 2) AS “部门薪资占比”,
SUM(salary) OVER () AS “公司总工资”,
ROUND(salary / SUM(salary) OVER () * 100, 2) AS “公司薪资占比”
FROM fgedu_employees
ORDER BY department, salary DESC;

EMP_ID EMP_NAME DEPARTMENT SALARY 部门总工资 部门薪资占比 公司总工资 公司薪资占比
—— ——– ———- —— ———- ———- ———- ———-
5 孙七 技术部 9000 27000 33.33 48000 18.75
3 王五 技术部 7000 27000 25.93 48000 14.58
7 吴九 技术部 6000 27000 22.22 48000 12.5
1 张三 技术部 5000 27000 18.52 48000 10.42
4 赵六 销售部 8000 21000 38.1 48000 16.67
6 周八 销售部 7000 21000 33.33 48000 14.58
2 李四 销售部 6000 21000 28.57 48000 12.5

— 案例：计算移动平均工资
SELECT
emp_id,
emp_name,
department,
salary,
AVG(salary) OVER (ORDER BY hire_date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS “最近3人平均工资”
FROM fgedu_employees
ORDER BY hire_date;

EMP_ID EMP_NAME DEPARTMENT SALARY 最近3人平均工资
—— ——– ———- —— ————–
1 张三 技术部 5000 5000
7 吴九 技术部 6000 5500
2 李四 销售部 6000 5666.67
6 周八 销售部 7000 6333.33
3 王五 技术部 7000 6666.67
4 赵六 销售部 8000 7333.33
5 孙七 技术部 9000 8000

4.3 YashanDB分析函数实战案例

在生产环境中，使用分析函数解决业务问题：

— 案例：分析员工薪资差异
SELECT
emp_id,
emp_name,
department,
salary,
LEAD(salary) OVER (PARTITION BY department ORDER BY salary) AS “下一个工资”,
LEAD(salary) OVER (PARTITION BY department ORDER BY salary) – salary AS “与下一个的差异”,
LAG(salary) OVER (PARTITION BY department ORDER BY salary) AS “上一个工资”,
salary – LAG(salary) OVER (PARTITION BY department ORDER BY salary) AS “与上一个的差异”
FROM fgedu_employees;

EMP_ID EMP_NAME DEPARTMENT SALARY 下一个工资 与下一个的差异 上一个工资 与上一个的差异
—— ——– ———- —— ———- ————– ———- ————–
1 张三 技术部 5000 6000 1000 (null) (null)
7 吴九 技术部 6000 7000 1000 5000 1000
3 王五 技术部 7000 9000 2000 6000 1000
5 孙七 技术部 9000 (null) (null) 7000 2000
2 李四 销售部 6000 7000 1000 (null) (null)
6 周八 销售部 7000 8000 1000 6000 1000
4 赵六 销售部 8000 (null) (null) 7000 1000

— 案例：获取部门最高和最低工资
SELECT
emp_id,
emp_name,
department,
salary,
FIRST_VALUE(salary) OVER (PARTITION BY department ORDER BY salary) AS “部门最低工资”,
LAST_VALUE(salary) OVER (PARTITION BY department ORDER BY salary ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS “部门最高工资”
FROM fgedu_employees;

EMP_ID EMP_NAME DEPARTMENT SALARY 部门最低工资 部门最高工资
—— ——– ———- —— ———— ————
1 张三 技术部 5000 5000 9000
7 吴九 技术部 6000 5000 9000
3 王五 技术部 7000 5000 9000
5 孙七 技术部 9000 5000 9000
2 李四 销售部 6000 6000 8000
6 周八 销售部 7000 6000 8000
4 赵六 销售部 8000 6000 8000

生产环境建议：在生产环境中，窗口函数是一种强大的工具，可以简化复杂的分析型计算。建议在需要进行排名、移动平均、累计总和等分析时使用窗口函数，以提高代码可读性和维护性。更多视频教程www.fgedu.net.cn

Part05-风哥经验总结与分享

5.1 YashanDB窗口函数使用经验

YashanDB窗口函数使用经验总结：

  • 排名函数：适用于需要排名的场景，如Top N查询、分桶等
  • 聚合窗口函数：适用于需要在保留原始数据的同时进行聚合计算的场景
  • 分析函数：适用于需要比较相邻行数据的场景，如差异分析、趋势分析等
  • 分区和排序：合理设置PARTITION BY和ORDER BY子句
  • 窗口定义：根据需要设置合适的FRAME子句
  • 性能考虑：窗口函数可能影响性能，需要优化

5.2 YashanDB窗口函数故障排除

# 常见问题及解决方法

## 1. 窗口函数执行缓慢
– 症状：窗口函数执行时间长
– 原因：数据量过大、排序操作复杂、窗口定义不合理
– 解决：优化窗口定义，为排序列创建索引，限制数据量

## 2. 窗口函数结果不正确
– 症状：窗口函数返回错误的结果
– 原因：PARTITION BY或ORDER BY子句设置不正确，FRAME子句定义错误
– 解决：检查PARTITION BY和ORDER BY子句，正确定义FRAME子句

## 3. 内存不足
– 症状：窗口函数执行时报错”ORA-04030: out of process memory”
– 原因：窗口函数需要大量内存
– 解决：优化窗口定义，减少数据量，增加内存

## 4. 排序操作性能差
– 症状：窗口函数中的排序操作执行缓慢
– 原因：排序列没有索引
– 解决：为排序列创建索引

## 5. 分区数过多
– 症状：窗口函数执行缓慢
– 原因：PARTITION BY子句导致分区数过多
– 解决：减少分区数，优化分区策略

5.3 YashanDB窗口函数使用建议

YashanDB窗口函数使用建议：

  • 选择合适的窗口函数：根据业务需求选择合适的窗口函数
  • 优化窗口定义：合理设置PARTITION BY、ORDER BY和FRAME子句
  • 使用索引：为排序列创建索引，提高排序性能
  • 限制数据量：只处理必要的数据，避免处理过多数据
  • 监控性能：定期监控窗口函数的执行性能
  • 测试充分：在测试环境充分测试窗口函数，确保性能满足要求
风哥提示：窗口函数是一种强大的SQL特性，可以简化复杂的分析型计算。建议在需要进行排名、移动平均、累计总和等分析时使用窗口函数，以提高代码可读性和维护性。学习交流加群风哥微信: itpux-com

持续改进：窗口函数的使用和优化是一个持续的过程，需要根据实际情况不断调整和改进。建议定期review窗口函数的使用情况，优化窗口定义，以提高系统性能和可靠性。更多学习教程公众号风哥教程itpux_com

本文由风哥教程整理发布,仅用于学习测试使用,转载注明出处:http://www.fgedu.net.cn/10327.html

相关推荐

联系我们

在线咨询：点击这里给我发消息

微信号：itpux-com

工作日：9:30-18:30，节假日休息