PostgreSQL高级特性解析：窗口函数与CTE
1. 引言
1.1 PostgreSQL简介
PostgreSQL是一个功能强大的开源对象关系型数据库系统，以其稳定性、可扩展性和标准兼容性而闻名。它支持多种高级SQL特性，包括窗口函数和公用表表达式(CTE)，这些特性极大地增强了复杂数据分析和查询的能力。
PostgreSQL的设计遵循SQL标准，同时提供了许多扩展功能，使其成为企业级应用和数据分析的理想选择。其对窗口函数和CTE的良好支持，使得开发人员能够编写更加高效和可读的SQL查询。
1.2 高级特性的意义与价值
在现代数据处理需求日益复杂的背景下，传统的SQL查询已经无法满足复杂的数据分析要求。窗口函数和CTE作为PostgreSQL的重要高级特性，提供了以下价值：
- 提升查询效率：避免重复计算和复杂的自连接操作
- 增强代码可读性：使复杂逻辑更清晰易懂
- 简化开发工作：减少代码量，提高开发效率
- 支持复杂分析：实现排名、累计统计等高级分析功能
这些特性在处理大数据集、生成复杂报表、执行数据分析等场景中发挥着重要作用。
2. 窗口函数详解
2.1 窗口函数基本概念
2.1.1 什么是窗口函数
窗口函数是SQL标准中的一种特殊函数，它可以在不合并行的情况下对每行进行计算，同时能够访问同一查询结果集中其他行的数据。与传统的聚合函数不同，窗口函数不会将多行合并为一行，而是为每一行返回一个值。
窗口函数的核心优势在于它能够在保持原始行数的同时，对数据进行复杂的分析计算。这使得我们可以在单个查询中同时获取详细数据和聚合信息。
-- 示例：计算每个员工在其部门内的薪资排名
SELECT employee_name,department,salary,ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC) as rank_in_dept
FROM employees;
在上面的例子中，ROW_NUMBER() 窗口函数为每个部门内的员工按照薪资降序分配排名，但仍然保留了所有员工的详细信息。
2.1.2 窗口函数与普通聚合函数的区别
| 特性 | 普通聚合函数 | 窗口函数 |
|---|---|---|
| 行数变化 | 将多行合并为一行 | 每行都返回结果 |
| 分组方式 | 使用 GROUP BY | 使用 PARTITION BY |
| 数据访问 | 只能看到当前组数据 | 可以访问整个结果集 |
普通聚合函数会将具有相同分组键的行合并为一行，而窗口函数则为每一行都计算一个值，这使得我们能够在保持数据详细程度的同时进行分析。
2.2 窗口函数语法结构
2.2.1 OVER子句详解
OVER 子句是窗口函数的核心组成部分，用于定义窗口的范围和排序规则。其基本语法如下：
function_name(expression) OVER ([PARTITION BY partition_expression, ...][ORDER BY sort_expression [ASC | DESC], ...][frame_clause]
)
OVER 子句的各个部分都有特定的作用：
PARTITION BY：定义数据分区，类似GROUP BYORDER BY：定义分区内数据的排序方式frame_clause：定义窗口框架，控制函数考虑的行范围
2.2.2 PARTITION BY子句
PARTITION BY 子句将结果集划分为多个分区，窗口函数在每个分区内独立计算。这类似于 GROUP BY，但不会减少结果集的行数。
-- 计算每个部门员工的平均薪资
SELECT employee_name,department,salary,AVG(salary) OVER (PARTITION BY department) as dept_avg_salary
FROM employees;
在这个例子中，每个员工都会显示其所在部门的平均薪资，而不是像使用 GROUP BY 那样只显示每个部门的一行记录。
2.2.3 ORDER BY子句在窗口中的作用
在窗口函数中，ORDER BY 不仅用于排序，还决定了窗口函数计算时考虑的行范围。对于累积函数（如 SUM、COUNT），排序顺序非常重要。
-- 计算每个员工的薪资在部门内的累积总和
SELECT employee_name,department,salary,SUM(salary) OVER (PARTITION BY department ORDER BY salary) as cumulative_salary
FROM employees;
这里的结果会显示按照薪资排序后的累积和，展示了不同薪资水平员工的累计贡献。
2.2.4 窗口框架定义（ROWS/RANGE）
窗口框架允许我们精确控制窗口函数考虑的行范围。这对于计算移动平均、滑动窗口统计等场景非常有用。
-- 计算当前记录及其前后各一条记录的平均值
SELECT date,sales_amount,AVG(sales_amount) OVER (ORDER BY date ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING) as moving_avg
FROM daily_sales;-- 计算当前记录到最后一记录的累计和
SELECT date,sales_amount,SUM(sales_amount) OVER (ORDER BY date ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) as reverse_cumulative
FROM daily_sales;
窗口框架提供了灵活的方式来定义函数计算的行范围，使得我们可以实现各种复杂的分析需求。
2.3 常用窗口函数分类
2.3.1 排名函数（ROW_NUMBER, RANK, DENSE_RANK）
排名函数是窗口函数中最常用的类别之一，用于为结果集中的行分配排名。
-- 不同排名函数的比较
SELECT employee_name,department,salary,ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC) as row_num,RANK() OVER (PARTITION BY department ORDER BY salary DESC) as rank_val,DENSE_RANK() OVER (PARTITION BY department ORDER BY salary DESC) as dense_rank_val
FROM employees;
这三种排名函数的区别：
ROW_NUMBER()：为每一行分配唯一的连续编号RANK()：相同值获得相同排名，但会跳过后续排名DENSE_RANK()：相同值获得相同排名，不跳过后续排名
2.3.2 偏移函数（LAG, LEAD, FIRST_VALUE, LAST_VALUE）
偏移函数允许我们访问同一分区中其他行的值，这在时间序列分析和趋势比较中非常有用。
-- 比较当前行与前一行的值
SELECT date,sales_amount,LAG(sales_amount, 1) OVER (ORDER BY date) as previous_day_sales,LEAD(sales_amount, 1) OVER (ORDER BY date) as next_day_sales,sales_amount - LAG(sales_amount, 1) OVER (ORDER BY date) as day_over_day_change
FROM daily_sales;-- 获取分区内的第一个和最后一个值
SELECT employee_name,department,salary,FIRST_VALUE(employee_name) OVER (PARTITION BY department ORDER BY salary DESC) as highest_paid_employee,LAST_VALUE(employee_name) OVER (PARTITION BY department