在OLAP这类系统或者DW这类数据库中,作为某份报表的数据源,我们常常需要在某个存储过程中编写复杂的运算代码来汇总数据。分析函数便具备这样的能力,引用多行的数据值来进行多层面的聚合运算,在数据子集中进行颗粒度级别的排序控制.
分析函数不能嵌套,但是可以通过用视图或者表函数封装然后再套上一层分析函数
语法:
function(argument1,argument2,argument3...) over ([partition by] [order by] [windowing-clause])
和SQL Server中的Window Function其实类似,不过这里多了些不同的东西
首先,order by子句后面跟上NULLS FIRST或者NULLS LAST来指定空值是排在前面还是后面
开窗子句(windowing-clause)是SQL Server没有的(至少据我了解到SQL Server 2012好像还没有)。开窗子句是分析函数运算的数据子集,又称滑动窗口。我们可以使用说明子句来指定滑动窗口自的上下边界。说明子句的语法:
[ROWS | RANGE] BETWEEN <Start expr> AND <End expr>
Whereas
<Start expr> is [UNBOUNDED PRECEDING | CURRENT ROW | n PRECEDING | n FOLLOWING]
<End expr> is [UNBOUNDED FOLLOWING | CURRENT ROW | n PRECEDING | n FOLLOWING]
比如:
sum(sum(tot_sales)) over (order by month rows between unbounded preceding and unbounded following) total_sales
分析函数有很多,下图来自《oracle高级编程》一书
1) Lag & Lead -- 前者:访问一个分区或者结果集中之前的一行;后者:访问一个分区或者结果集中之后的一行
语法:lag (expression, offset, default ) over (partition-clause order-by-clause)
上面那样讲有点难理解,其实就是”错位“,实现效果就是同张表的自连接,条件是a.col1=a.co1+1或者a.col1=a.co1-1。结果就像这样:
1
2 1
3 2
4 3
上面是lag
那lead呢
1 2
2 3
3 4
4
两个函数都提供了default value的选项,可以把空值补充为我们想要的值.它们俩也都能带上PARTITION BY。
另外,偏移量也是可选的,LAG(col1, 10,xxx)说明偏移量是10。
2)First_Value & Last_Value & Nth_value -- 前者:访问一个分区或者结果集的第一行;中间:访问一个分区或者结果集的最后一行;最后那个可以提取任意第几个值;
这个就不同解释了吧。访问分区(子集)或者整个结果集的两个边界的栏位值。
语法:first_value(expression) over (partition-clause order-by-clause windowing-clause)
这个函数还有一个用处就是,经常在我们需要比如提取每个分组某个栏位值最大的哪一行,在需要提取的栏位很少的情况下其实可以用FIRST_VALUE这个函数来做。平常的做法是对整个结果集用ROW_NUMBER排序生成RowNo字段,然后RowNo = 1。
Nth_VALUE语法:
NTH_VALUE (measure, n ) [ FROM FIRST| FROM LAST] [RESPECT NULLS|IGNORE NULLS]
OVER (partitioning-clause order-by-clause windowing-clause)
FROM FIRST和RESPECT NULLS是默认
3)Ratio_to_report:计算某个值占结果集或者分组总值的百分比
select year, week,sale,
trunc(100*
ratio_to_report(sale) over(partition by product, country, region ,year)
4 ,2) sales_yr,
trunc(100*
ratio_to_report(sale) over(partition by product, country, region)
7 ,2) sales_prod
from sales_fact
where country in ('Australia') and product ='Xtend Memory'
order by product, country,year, week
4)Percent_rank:Percent_rank以0到1之间的分数形式返回某个值在数据分区中的排名。公式是(RANK-1)/(N-1),N为分区的行数或者总行数(没有分区字句的情况下)。Percent_rank函数对于计算某个值在结果集中按百分比所处的相对位置很有用。
5)Percentile_cont:Percent_rank的反函数,通过一个0到1之间的percent值来反推出value
6)Percentile_disc:这个函数和Percentile_cont类似,不同的是Percentile_cont使用连续分布模型,而Percentile_disc使用离散分布模型;Percentile_cont在没有找到精确匹配的情况下用相近两个值得平均值,而Percentile_disc在升序的情况下取最大那个,降序的情况下取最小的;
7)Stddev:标准偏移。以后再研究吧这个。
8)Listag:行转列函数。
语法:
Listagg (string, separator ) within group (order-by-clause)
Over (partition-by-clause )
足够的内存空间(PGA)对于分析函数来讲是很重要。PGAT(PGA_AGGREGATE_TARGET)的数据库初始化设置影响线程的能够分配到PGA大小,一般串行可以拿到PGAT的5%内存空间作为PGA,而并行最多不超过30%。