SQL案例分析：移动平均值与累计求和
许多常见的聚合函数也可以作为窗口函数使用，包括AVG()、SUM()、COUNT()、MAX()以及MIN()函数等。
关于聚合函数的语法可以参考这篇文章。
示例表sales_monthly中存储了不同产品（苹果、香蕉以及桔子）每个月份的销量情况，以下是该表的创建脚本和数据：
复制
-- 创建销量表sales_monthly
-- product表示产品名称，ym表示年月，amount表示销售金额（元）
CREATE TABLE sales_monthly(product VARCHAR(20), ym VARCHAR(10), amount NUMERIC(10, 2));
-- 生成测试数据
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201801,10159.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201802,10211.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201803,10247.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201804,10376.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201805,10400.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201806,10565.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201807,10613.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201808,10696.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201809,10751.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201810,10842.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201811,10900.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201812,10972.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201901,11155.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201902,11202.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201903,11260.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201904,11341.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201905,11459.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (苹果,201906,11560.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201801,10138.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201802,10194.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201803,10328.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201804,10322.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201805,10481.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201806,10502.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201807,10589.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201808,10681.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201809,10798.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201810,10829.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201811,10913.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201812,11056.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201901,11161.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201902,11173.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201903,11288.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201904,11408.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201905,11469.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (香蕉,201906,11528.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201801,10154.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201802,10183.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201803,10245.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201804,10325.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201805,10465.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201806,10505.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201807,10578.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201808,10680.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201809,10788.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201810,10838.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201811,10942.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201812,10988.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201901,11099.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201902,11181.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201903,11302.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201904,11327.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201905,11423.00);
INSERT INTO sales_monthly (product,ym,amount) VALUES (桔子,201906,11524.00);1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.35.36.37.38.39.40.41.42.43.44.45.46.47.48.49.50.51.52.53.54.55.56.57.58.59.
AVG()函数作为窗口函数使用时，可以用于计算随着当前行移动的窗口内数据行的平均值。例如，以下语句用于查找不同产品截止到每个月份为止、最近3个月的平均销量：
复制
SELECT product AS "产品", ym "年月", amount "销量",
AVG(amount) OVER (
PARTITION BY product
ORDER BY ym
ROWS BETWEEN 2PRECEDING AND CURRENT ROW
) AS "最近平均销量"
FROM sales_monthly
ORDER BY product, ym;1.2.3.4.5.6.7.8.
AVG()函数OVER子句中的PARTITION BY选项表示按照产品进行分区，ORDERBY选项表示按照月份进行排序，ROWS BETWEEN 2 PRECEDING AND CURRENT ROW表示窗口从当前行的前2行开始直到当前行结束。
该查询返回的结果如下：
复制
产品|年月 |销量 |最近平均销量
---|------|--------|------------
桔子|201801|10154.00|10154.000000
桔子|201802|10183.00|10168.500000
桔子|201803|10245.00|10194.000000
桔子|201804|10325.00|10251.000000
桔子|201805|10465.00|10345.000000
桔子|201806|10505.00|10431.666667
...1.2.3.4.5.6.7.8.9.10.
对于“桔子”，第一个月份的分析窗口只有1行数据，因此平均销量为10154。第二个月份的分析窗口为第1行和第2行数据，因此平均销量为10168.5（(10154+10183)/2）。第三个月份的分析窗口为第1行到第3行数据，因此平均销量为10194（(10154+10183+10245)/3）。
依此类推，直到计算完“桔子”所有月份的平均销量，然后开始计算其他产品的平均销量。
累计求和SUM()函数作为窗口函数时，可以用于统计指定窗口内的累计值。例如，以下语句用于查找不同产品截止到当前月份为止的累计销量：
复制
SELECT product AS "产品", ym "年月", amount "销量",
SUM(amount) OVER (
PARTITION BY product
ORDER BY ym
ROWS BETWEENUNBOUNDED PRECEDING AND CURRENT ROW
) AS "累计销量"
FROM sales_monthly
ORDER BY product, ym;1.2.3.4.5.6.7.8.9.
SUM()函数OVER子句中的PARTITION BY选项表示按照产品进行分区，ORDERBY选项表示按照月份进行排序，ROWS BETWEENUNBOUNDED PRECEDING AND CURRENT ROW表示窗口从当前分区第1行开始直到当前行结束。
该查询返回的结果如下：
复制
产品|年月 |销量 |累计销量
---|------|--------|---------
桔子|201801|10154.00| 10154.00
桔子|201802|10183.00| 20337.00
桔子|201803|10245.00| 30582.00
桔子|201804|10325.00| 40907.00
桔子|201805|10465.00| 51372.00
桔子|201806|10505.00| 61877.00
...1.2.3.4.5.6.7.8.9.10.
对于“桔子”，第一个月份的分析窗口只有1行数据，因此累计销量为10154。第二个月份的分析窗口为第1行和第2行数据，因此累计销量为20337（10154+10183）。第三个月份的分析窗口为第1行到第3行数据，因此累计销量为30582（10154+10183+10245）。
依此类推，直到计算完“桔子”所有月份的累计销量，然后开始计算其他产品的累计销量。
提示：对于聚合窗口函数，如果我们没有指定ORDER BY选项，默认的窗口大小就是整个分区。如果我们指定了ORDERBY选项，默认的窗口大小就是分区的第一行直到当前行。因此，以上示例语句的中ROWSBETWEEN UNBOUNDED PRECEDING AND CURRENT ROW选项可以省略。
除了使用ROWS关键字以数据行为单位指定窗口的偏移量之外，我们也可以使用RANGE关键字以数值为单位指定窗口的偏移量。
示例表transfer_log中记录了一些银行账号的交易日志，以下是该表创建脚本：
复制
-- 创建银行交易日志表transfer_log
-- Oracle、MySQL、PostgreSQL以及SQLite
CREATE TABLE transfer_log
( log_id INTEGER NOT NULL PRIMARY KEY, -- 交易日志编号
log_ts TIMESTAMP NOT NULL, -- 交易时间
from_user VARCHAR(50) NOT NULL, -- 交易发起账号
to_user VARCHAR(50), -- 交易接收账号
type VARCHAR(10) NOT NULL, -- 交易类型
amount NUMERIC(10) NOT NULL -- 交易金额（元）
);
-- SQL Server
CREATE TABLE transfer_log
( log_id INTEGER NOT NULL PRIMARY KEY, -- 交易日志编号
log_ts DATETIME2 NOT NULL, -- 交易时间
from_user VARCHAR(50) NOT NULL, -- 交易发起账号
to_user VARCHAR(50), -- 交易接收账号
type VARCHAR(10) NOT NULL, -- 交易类型
amount NUMERIC(10) NOT NULL -- 交易金额（元）
);
-- 生成测试数据
-- Oracle 需要执行以下ALTER语句
-- ALTER SESSION SET nls_timestamp_format = YYYY-MM-DD HH24:MI:SS;
INSERT INTO transfer_log (log_id,log_ts,from_user,to_user,type,amount) VALUES (1,2021-01-02 10:31:40,62221234567890,NULL,存款,50000);
INSERT INTO transfer_log (log_id,log_ts,from_user,to_user,type,amount) VALUES (2,2021-01-02 10:32:15,62221234567890,NULL,存款,100000);
INSERT INTO transfer_log (log_id,log_ts,from_user,to_user,type,amount) VALUES (3,2021-01-03 08:14:29,62221234567890,62226666666666,转账,200000);
INSERT INTO transfer_log (log_id,log_ts,from_user,to_user,type,amount) VALUES (4,2021-01-05 13:55:38,62221234567890,62226666666666,转账,150000);
INSERT INTO transfer_log (log_id,log_ts,from_user,to_user,type,amount) VALUES (5,2021-01-07 20:00:31,62221234567890,62227777777777,转账,300000);
INSERT INTO transfer_log (log_id,log_ts,from_user,to_user,type,amount) VALUES (6,2021-01-09 17:28:07,62221234567890,62227777777777,转账,500000);
INSERT INTO transfer_log (log_id,log_ts,from_user,to_user,type,amount) VALUES (7,2021-01-10 07:46:02,62221234567890,62227777777777,转账,100000);
INSERT INTO transfer_log (log_id,log_ts,from_user,to_user,type,amount) VALUES (8,2021-01-11 09:36:53,62221234567890,NULL,存款,40000);
INSERT INTO transfer_log (log_id,log_ts,from_user,to_user,type,amount) VALUES (9,2021-01-12 07:10:01,62221234567890,62228888888881,转账,10000);
INSERT INTO transfer_log (log_id,log_ts,from_user,to_user,type,amount) VALUES (10,2021-01-12 07:11:12,62221234567890,62228888888882,转账,8000);
INSERT INTO transfer_log (log_id,log_ts,from_user,to_user,type,amount) VALUES (11,2021-01-12 07:12:36,62221234567890,62228888888883,转账,5000);
INSERT INTO transfer_log (log_id,log_ts,from_user,to_user,type,amount) VALUES (12,2021-01-12 07:13:55,62221234567890,62228888888884,转账,6000);
INSERT INTO transfer_log (log_id,log_ts,from_user,to_user,type,amount) VALUES (13,2021-01-12 07:14:24,62221234567890,62228888888885,转账,7000);
INSERT INTO transfer_log (log_id,log_ts,from_user,to_user,type,amount) VALUES (14,2021-01-21 12:11:16,62221234567890,62228888888885,转账,70000);1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.35.36.37.38.
以下语句用于查找短期之内（5天）累计转账超过一百万元的账号：
复制
-- Oracle、MySQL以及PostgreSQL
SELECT log_ts, from_user,total_amount
FROM (
SELECT log_ts, from_user,
SUM(amount) OVER (
PARTITION BY from_user
ORDER BY log_ts
RANGE INTERVAL 5 DAYPRECEDING
) AS total_amount
FROM transfer_log
WHERE TYPE = 转账
) t
WHERE total_amount >= 1000000;1.2.3.4.5.6.7.8.9.10.11.12.13.14.
其中，SUM()函数OVER子句中的RANGE选项指定了一个5天之内的时间窗口。该查询返回的结果如下。
复制
log_ts |from_user |total_amount
-------------------|--------------|------------
2021-01-10 07:46:02|62221234567890| 10500001.2.3.4.
账号“62221234567890”截止2021年01月10日07点46份02秒在最近5天之内累计转账105万。
SQLite不支持INTERVAL时间常量，我们可以将时间戳数据转换为整数后使用。例如：
复制
-- SQLite
WITH tl(log_ts, unix, from_user,amount) AS (
SELECT log_ts, CAST(STRFTIME(%s,log_ts) AS INT), from_user, amount
FROM transfer_log
WHERE type = 转账
)
SELECT log_ts, from_user, total_amount
FROM (
SELECT log_ts, from_user,
SUM(amount) OVER (
PARTITION BY from_user
ORDER BY unix
RANGE 5 * 86400PRECEDING
) AS total_amount
FROM tl
) t
WHERE total_amount >= 1000000;1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.
我们首先定义了一个CTE，字段unix是将log_ts转换为1970年1月1日以来的整数秒。然后我们在SUM()函数中通过RANGE选项指定了一个5天（5*86400秒）之内的时间窗口。
Microsoft SQL Server中的RANGE窗口大小选项只能指定UNBOUNDED PRECEDING、UNBOUNDED FOLLOWING或者CURRENT ROW，不能指定一个具体的数值，因此无法实现以上查询。
阅读剩余
THE END
