使用Order By计算分区中的行数

Question

我试图通过编写一些示例查询来了解postgres中的PARTITION BY.我有一个测试表,我在其上运行查询.

id integer | num integer
___________|_____________
1          | 4 
2          | 4
3          | 5
4          | 6

当我运行以下查询时,我得到了我预期的输出.

SELECT id, COUNT(id) OVER(PARTITION BY num) from test;

id         | count
___________|_____________
1          | 2 
2          | 2
3          | 1
4          | 1

但是,当我将ORDER BY添加到分区时,

SELECT id, COUNT(id) OVER(PARTITION BY num ORDER BY id) from test;

id         | count
___________|_____________
1          | 1 
2          | 2
3          | 1
4          | 1

我的理解是COUNT是在属于分区的所有行中计算的.在这里,我用num分区行.分区中的行数是相同的,有或没有ORDER BY子句.为什么输出会有差异？

Answer 1

当您将一个order by聚合添加到用作窗口函数的聚合时,聚合将变为"运行计数"(或您使用的任何聚合).

在count(*)将返回的行数,直到基于指定的顺序对"当前".

以下查询显示与a一起使用的聚合的不同结果order by.随着sum()代替count()它有点更容易看到(在我看来).

with test (id, num, x) as (
  values 
    (1, 4, 1),
    (2, 4, 1),
    (3, 5, 2),
    (4, 6, 2)
)
select id, 
       num,
       x,
       count(*) over () as total_rows, 
       count(*) over (order by id) as rows_upto,
       count(*) over (partition by x order by id) as rows_per_x,
       sum(num) over (partition by x) as total_for_x,
       sum(num) over (order by id) as sum_upto,
       sum(num) over (partition by x order by id) as sum_for_x_upto
from test;

将导致:

id | num | x | total_rows | rows_upto | rows_per_x | total_for_x | sum_upto | sum_for_x_upto
---+-----+---+------------+-----------+------------+-------------+----------+---------------
 1 |   4 | 1 |          4 |         1 |          1 |           8 |        4 |              4
 2 |   4 | 1 |          4 |         2 |          2 |           8 |        8 |              8
 3 |   5 | 2 |          4 |         3 |          1 |          11 |       13 |              5
 4 |   6 | 2 |          4 |         4 |          2 |          11 |       19 |             11

Postgres手册中有更多示例

Answer 2

你的两个表达式是：

COUNT(id) OVER (PARTITION BY num)

COUNT(id) OVER (PARTITION BY num ORDER BY id)

为什么您希望这些返回相同的值？出于某种原因，语法不同。

第一个返回每个num的总计数——本质上是连接聚合值。

第二个进行累积计数。它COUNT()为 的每一行id, 直到该ids 值的所有值都执行此操作。

请注意，此类累积计数通常会使用RANK()（或相关函数）实现。累积计数与 略有不同RANK()。累计计数实现：

COUNT(id) OVER (PARTITION BY num ORDER BY id RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW)

RANK()略有不同。只有当ORDER BY键有联系时，差异才重要。