分析函數，最早是從ORACLE8.1.6開始出現的，它的設計目的是爲了解決諸如“累計計算”，“找出分組內百分比”，“前-N條查詢”，
“移動平均數計算”"等問題。其實大部分的問題都可以用PL/SQL解決，但是它的性能並不能達到你所期望的效果。分析函數是SQL
語言的一種擴充，它並不是僅僅試代碼變得更簡單而已，它的速度比純粹的SQL或者PL/SQL更快
分析函數原理：
分析函數是在一個記錄行分組的基礎上計算它們的總值，與普通集合函數不同的是，他們在各組中返回多行，行的分組被稱爲“窗口”
窗口大小表示用於統計計算的行數，窗口的大小是基於物理行數或邏輯間隔（例如時間）。
除了ORDER BY（按…排序）語句外，分析函數是一條查詢被執行的操作。所有合併、WHERE、GROUP BY、HAVING語句都是分析函數處理之前完成的。因此，分析函數只出現在select 列表或ORDER BY（按…排序）語句中。
一.
分組彙總函數rollup,cube
常規彙總方法
SQL> set timing on;
SQL>
SQL> select to_char(o.lottery_id),sum(o.money)
2 from tb_order o
3 where o.state=4
4 and o.buy_time>sysdate-30
5 group by o.lottery_id
6 union all
7 select '合計',sum(o.money)
8 from tb_order o
9 where o.state=4
10 and o.buy_time>sysdate-30
11 ;
TO_CHAR(O.LOTTERY_ID) SUM(O.MONEY)
---------------------------------------- ------------
14 8810
22 278
58 78
合計 9166
Executed in 0.032 seconds
總計信息：consistent gets：412
使用rollup進行彙總
SQL>
SQL> select decode(o.lottery_id,null,'所有彩種統計',o.lottery_id),sum(o.money)
2 from tb_order o
3 where o.state=4
4 and o.buy_time>sysdate-30
5 group by rollup(o.lottery_id)
6 ;
DECODE(O.LOTTERY_ID,NULL,'所有 SUM(O.MONEY)
---------------------------------------- ------------
14 8810
22 278
58 78
所有彩種統計 9166
Executed in 0.047 seconds
SQL>
總計信息：consistent gets：206
對比
傳統的一致讀：consistent gets：412
使用分析函數的一致讀：consistent gets：206
從對比信息可以看到，如果數據量很大的話，對比效果就更明顯
再深入的一點看看多個字段分組統計
SQL> select decode(grouping(o.lottery_id),1,'所有彩種',o.lottery_id),
2 decode(grouping(trunc(o.buy_time,'dd')),1,'所有天數',trunc(o.buy_time,'dd')),
3 sum(o.money)
4 from tb_order o
5 where o.state=4
6 and o.buy_time>sysdate-30
7 group by rollup(o.lottery_id,trunc(o.buy_time,'dd'))
8
9 order by o.lottery_id
10 ;
DECODE(GROUPING(O.LOTTERY_ID), DECODE(GROUPING(TRUNC(O.BUY_TI SUM(O.MONEY)
---------------------------------------- ------------------------------ ------------
14 08-11月-10 96
14 09-11月-10 156
14 10-11月-10 8544
14 11-11月-10 10
14 15-11月-10 4
14 所有天數 8810
22 09-11月-10 278
22 所有天數 278
58 08-11月-10 78
58 所有天數 78
所有彩種 所有天數 9166
11 rows selected
Executed in 0.109 seconds
SQL>
這裏的rollup(o.lottery_id,trunc(o.buy_time,'dd'))是先對o.lottery_id 進行group by ,然後再對(o.lottery_id,trunc(o.buy_time,'dd')) 進行group by，兩個字段比較好理解，那三個字段呢？
SQL> select decode(grouping(o.lottery_id),1,'所有彩種',o.lottery_id) lottery_id,
2 decode(grouping(trunc(o.buy_time,'dd')),1,'所有天數',trunc(o.buy_time,'dd')) buy_time,
3 sum(o.money) ,decode(grouping(o.ware_id),1,'所有wareid',o.ware_id) ware_id
4 from tb_order o
5 where o.state=4
6 and o.buy_time>sysdate-30
7 group by rollup(o.lottery_id,trunc(o.buy_time,'dd'),o.ware_id)
8
9 order by o.lottery_id,trunc(o.buy_time,'dd')
10 ;
LOTTERY_ID BUY_TIME SUM(O.MONEY) WARE_ID
---------------------------------------- -------------- ------------ ----------------------------------------
14 08-11月-10 96 47055
14 08-11月-10 96 所有wareid
14 09-11月-10 156 47055
14 09-11月-10 156 所有wareid
14 10-11月-10 8544 47059
14 10-11月-10 8544 所有wareid
14 11-11月-10 10 47059
14 11-11月-10 10 所有wareid
14 15-11月-10 4 47066
14 15-11月-10 4 所有wareid
14 所有天數 8810 所有wareid
22 09-11月-10 278 47057
22 09-11月-10 278 所有wareid
22 所有天數 278 所有wareid
58 08-11月-10 78 47043
58 08-11月-10 78 所有wareid
58 所有天數 78 所有wareid
所有彩種 所有天數 9166 所有wareid
18 rows selected
Executed in 0.187 seconds
說明：
從上面的結果中我們很容易發現,如果不用decode函數，每個統計數據所對應的行都會出現null,
並且我們如何來區分到底是根據那個字段做的彙總呢？這時候,oracle的grouping函數就派上用場了.
如果當前的彙總記錄是利用該字段得出的,grouping函數就會返回1,否則返回0
這裏的rollup(o.lottery_id,trunc(o.buy_time,'dd'),o.ware_id)是先對o.lottery_id進行group by ，然後在對(o.lottery_id,trunc(o.buy_time,'dd'))進行group by,最後在對(o.lottery_id,trunc(o.buy_time,'dd'),o.ware_id)進行group by；每次的group by 都會進行數據彙總
從上面的結果我們可以看到，共有如下幾項統計彙總
1. 按（LOTTERY_ID，BUY_TIME）進行的統計彙總，即統計每個彩種每天所有的商品（wareid）銷售總額
2. 按 （LOTTERY_ID）進行彙總，即統計每個彩種在所有天裏，所有wareid的銷售總額
3. 所有彩種，在所有天裏，銷售所有的商品（wareid）的總銷售額
那我們要如何統計如下的彙總呢？，難道還要在sql（估計很複雜）或pl？sql
所有彩種，每天，每個商品（wareid）的銷售總額；
所有彩種，每天，所有商品（wareid）的銷售總額；
所有彩種，所有天裏，每個商品（wareid）的銷售總額；
其實我們可以用cube來實現，如下所示
SQL>
SQL> select decode(grouping(o.lottery_id),1,'所有彩種',o.lottery_id) lottery_id,
2 decode(grouping(trunc(o.buy_time,'dd')),1,'所有天數',trunc(o.buy_time,'dd')) buy_time,
3 sum(o.money) ,decode(grouping(o.ware_id),1,'所有wareid',o.ware_id) ware_id
4 from tb_order o
5 where o.state=4
6 and o.buy_time>sysdate-30
7
8 group by cube(o.lottery_id,trunc(o.buy_time,'dd'),o.ware_id)
9 order by o.lottery_id,trunc(o.buy_time,'dd')
10 ;
LOTTERY_ID BUY_TIME SUM(O.MONEY) WARE_ID
---------------------------------------- -------------- ------------ ----------------------------------------
14 08-11月-10 96 所有wareid
14 08-11月-10 96 47055
14 09-11月-10 156 所有wareid
14 09-11月-10 156 47055
14 10-11月-10 8544 所有wareid
14 10-11月-10 8544 47059
14 11-11月-10 10 所有wareid
14 11-11月-10 10 47059
14 15-11月-10 4 所有wareid
14 15-11月-10 4 47066
14 所有天數 8810 所有wareid
14 所有天數 252 47055
14 所有天數 8554 47059
14 所有天數 4 47066
22 09-11月-10 278 所有wareid
22 09-11月-10 278 47057
22 所有天數 278 所有wareid
22 所有天數 278 47057
58 08-11月-10 78 所有wareid
58 08-11月-10 78 47043
LOTTERY_ID BUY_TIME SUM(O.MONEY) WARE_ID
---------------------------------------- -------------- ------------ ----------------------------------------
58 所有天數 78 所有wareid
58 所有天數 78 47043
所有彩種 08-11月-10 174 所有wareid
所有彩種 08-11月-10 78 47043
所有彩種 08-11月-10 96 47055
所有彩種 09-11月-10 434 所有wareid
所有彩種 09-11月-10 156 47055
所有彩種 09-11月-10 278 47057
所有彩種 10-11月-10 8544 所有wareid
所有彩種 10-11月-10 8544 47059
所有彩種 11-11月-10 10 所有wareid
所有彩種 11-11月-10 10 47059
所有彩種 15-11月-10 4 所有wareid
所有彩種 15-11月-10 4 47066
所有彩種 所有天數 9166 所有wareid
所有彩種 所有天數 78 47043
所有彩種 所有天數 252 47055
所有彩種 所有天數 278 47057
所有彩種 所有天數 8554 47059
所有彩種 所有天數 4 47066
40 rows selected
Executed in 0.234 seconds
SQL>
總結：通過以上對grouping，cube，rollup的例子介紹，我們就可以很好的做數據統計，最重要的是，語法簡單效率極高
rollup（a,b,c）
彙總方式是按如下規律的
1.a （可以簡單理解爲，每個a總計情況）
2.a,b （可以簡單理解爲，每個（a,b）總計情況）
3.a,b,c （可以簡單理解爲，每個（a,b,c）總計情況）
如果是rollup（a,b,c,d）會是什麼樣呢？
cube(a,b,c)
1. a
2. a,b
3. a,b,c
4. b
5. b,c
6. c
7. a,c
cube和rollup不同的是，cube(a,b,c...)是彙總統計包含第一個元素a的所有子集，而rollup(a,b,c,...)是彙總統計所有子集的
使用環境：適用於分組統計，可以按着我們自己的要求進行各種複雜的統計
二.rank函數的介紹
rank()樣例：
SQL> select o.lottery_id,trunc(o.buy_time,'dd'),sum(o.money)
2 ,rank() over( order by sum(o.money) desc) rank
3 from tb_order o
4 where o.state=4
5 and o.buy_time> sysdate -120
6
7 group by o.lottery_id,trunc(o.buy_time,'dd')
8 ;
LOTTERY_ID TRUNC(O.BUY_TIME,'DD') SUM(O.MONEY) RANK
--------------------- ---------------------- ------------ ----------
10 2010-10-13 19369444 1
49 2010-10-13 2089524 2
10 2010-10-22 750410 3
10 2010-10-21 370164 4
53 2010-10-13 131072 5
10 2010-10-20 73730 6
51 2010-10-13 62208 7
14 2010-11-10 8544 8
58 2010-8-23 6084 9
74 2010-9-16 3238 10
58 2010-8-24 3201 11
67 2010-8-11 2252 12
44 2010-8-25 1458 13
58 2010-11-4 1384 14
44 2010-8-19 736 15
22 2010-11-9 278 16
14 2010-11-9 156 17
58 2010-8-26 132 18
74 2010-9-17 130 19
44 2010-8-16 112 20
LOTTERY_ID TRUNC(O.BUY_TIME,'DD') SUM(O.MONEY) RANK
--------------------- ---------------------- ------------ ----------
47 2010-8-24 106 21
58 2010-8-20 102 22
67 2010-8-25 102 22
14 2010-11-8 96 24
58 2010-11-8 78 25
58 2010-8-17 40 26
74 2010-9-15 32 27
44 2010-8-24 30 28
67 2010-9-25 26 29
44 2010-8-17 20 30
14 2010-11-11 10 31
44 2010-8-18 10 31
74 2010-10-12 8 33
67 2010-8-10 6 34
14 2010-11-15 4 35
44 2010-8-23 4 35
58 2010-8-25 2 37
58 2010-8-27 2 37
38 rows selected
Executed in 0.156 seconds
SQL>
dense_rank()樣例：
SQL> select o.lottery_id,trunc(o.buy_time,'dd'),sum(o.money)
2 ,dense_rank() over( order by sum(o.money) desc) rank
3 from tb_order o
4 where o.state=4
5 and o.buy_time> sysdate -120
6 --and o.buy_time< sysdate -30
7 group by o.lottery_id,trunc(o.buy_time,'dd')
8 ;
LOTTERY_ID TRUNC(O.BUY_TIME,'DD') SUM(O.MONEY) RANK
--------------------- ---------------------- ------------ ----------
10 2010-10-13 19369444 1
49 2010-10-13 2089524 2
10 2010-10-22 750410 3
10 2010-10-21 370164 4
53 2010-10-13 131072 5
10 2010-10-20 73730 6
51 2010-10-13 62208 7
14 2010-11-10 8544 8
58 2010-8-23 6084 9
74 2010-9-16 3238 10
58 2010-8-24 3201 11
67 2010-8-11 2252 12
44 2010-8-25 1458 13
58 2010-11-4 1384 14
44 2010-8-19 736 15
22 2010-11-9 278 16
14 2010-11-9 156 17
58 2010-8-26 132 18
74 2010-9-17 130 19
44 2010-8-16 112 20
LOTTERY_ID TRUNC(O.BUY_TIME,'DD') SUM(O.MONEY) RANK
--------------------- ---------------------- ------------ ----------
47 2010-8-24 106 21
58 2010-8-20 102 22
67 2010-8-25 102 22
14 2010-11-8 96 23
58 2010-11-8 78 24
58 2010-8-17 40 25
74 2010-9-15 32 26
44 2010-8-24 30 27
67 2010-9-25 26 28
44 2010-8-17 20 29
14 2010-11-11 10 30
44 2010-8-18 10 30
74 2010-10-12 8 31
67 2010-8-10 6 32
14 2010-11-15 4 33
44 2010-8-23 4 33
58 2010-8-25 2 34
58 2010-8-27 2 34
38 rows selected
Executed in 0.125 seconds
SQL>
row_number()樣例：
SQL> select o.lottery_id,trunc(o.buy_time,'dd'),sum(o.money)
2 ,row_number() over( order by sum(o.money) desc) rank
3 from tb_order o
4 where o.state=4
5 and o.buy_time> sysdate -120
6 --and o.buy_time< sysdate -30
7 group by o.lottery_id,trunc(o.buy_time,'dd')
8 ;
LOTTERY_ID TRUNC(O.BUY_TIME,'DD') SUM(O.MONEY) RANK
--------------------- ---------------------- ------------ ----------
10 2010-10-13 19369444 1
49 2010-10-13 2089524 2
10 2010-10-22 750410 3
10 2010-10-21 370164 4
53 2010-10-13 131072 5
10 2010-10-20 73730 6
51 2010-10-13 62208 7
14 2010-11-10 8544 8
58 2010-8-23 6084 9
74 2010-9-16 3238 10
58 2010-8-24 3201 11
67 2010-8-11 2252 12
44 2010-8-25 1458 13
58 2010-11-4 1384 14
44 2010-8-19 736 15
22 2010-11-9 278 16
14 2010-11-9 156 17
58 2010-8-26 132 18
74 2010-9-17 130 19
44 2010-8-16 112 20
LOTTERY_ID TRUNC(O.BUY_TIME,'DD') SUM(O.MONEY) RANK
--------------------- ---------------------- ------------ ----------
47 2010-8-24 106 21
58 2010-8-20 102 22
67 2010-8-25 102 23
14 2010-11-8 96 24
58 2010-11-8 78 25
58 2010-8-17 40 26
74 2010-9-15 32 27
44 2010-8-24 30 28
67 2010-9-25 26 29
44 2010-8-17 20 30
14 2010-11-11 10 31
44 2010-8-18 10 32
74 2010-10-12 8 33
67 2010-8-10 6 34
14 2010-11-15 4 35
44 2010-8-23 4 36
58 2010-8-25 2 37
58 2010-8-27 2 38
38 rows selected
Executed in 0.172 seconds
SQL>
三個樣例對比結果：
rank：如果出現兩個相同的數據,那麼後面的數據就會直接跳過這個排序號碼
dense_rank：如果出現兩個相同的數據,後面的數據不會跳過這個排序號碼，仍然按順序號碼繼續
row_number：哪怕是兩個數據完全相同,排序號也會不一樣,這個特性在我們想找出對應每個條件的唯一記錄的時候有很大用處
取每個月每個彩種銷售的前三名
SQL> select * from (
2 select o.lottery_id,trunc(o.buy_time,'mm'),sum(o.money)
3 ,rank() over(partition by trunc(o.buy_time,'mm') order by sum(o.money) desc) rank
4 from tb_order o
5 where o.state=4
6 and o.buy_time> sysdate -120
7 --and o.buy_time< sysdate -30
8 group by o.lottery_id,trunc(o.buy_time,'mm')
9 )
10 where rank<4
11 ;
LOTTERY_ID TRUNC(O.BUY_TIME,'MM') SUM(O.MONEY) RANK
--------------------- ---------------------- ------------ ----------
58 2010-8-1 9563 1
44 2010-8-1 2370 2
67 2010-8-1 2360 3
74 2010-9-1 3400 1
67 2010-9-1 26 2
10 2010-10-1 20563748 1
49 2010-10-1 2089524 2
53 2010-10-1 131072 3
14 2010-11-1 8810 1
58 2010-11-1 1462 2
22 2010-11-1 278 3
11 rows selected
Executed in 0.063 seconds
取最近銷售的10個訂單信息
SQL> select * from (
2 select o.id,o.lottery_id,o.buy_time,rank() over(order by o.buy_time desc ) rank
3 from tb_order o
4 where o.state=4
5 and o.buy_time > sysdate -30
6 ) where rank <11
7 ;
ID LOTTERY_ID BUY_TIME RANK
--------------------- --------------------- ----------- ----------
2224442592 14 2010-11-15 1
2224442577 14 2010-11-11 2
2224442552 14 2010-11-10 3
2224442539 14 2010-11-10 4
2224442526 14 2010-11-10 5
2224442513 14 2010-11-10 6
2224442510 14 2010-11-10 7
2224442507 14 2010-11-10 8
2224442504 14 2010-11-10 9
2224442501 14 2010-11-10 10
10 rows selected
Executed in 0.046 seconds
當然也可以用rownum實現
SQL>
SQL> select * from (
2 select o.id,o.lottery_id,o.buy_time,rownum rn
3 from tb_order o
4 where o.state=4
5 and o.buy_time > sysdate -30
6 order by o.buy_time desc
7 )
8 where rn<11
9 ;
ID LOTTERY_ID BUY_TIME RN
--------------------- --------------------- ----------- ----------
2224442592 14 2010-11-15 1
2224442577 14 2010-11-11 2
2224442552 14 2010-11-10 3
2224442539 14 2010-11-10 4
2224442526 14 2010-11-10 5
2224442513 14 2010-11-10 6
2224442510 14 2010-11-10 7
2224442507 14 2010-11-10 8
2224442504 14 2010-11-10 9
2224442501 14 2010-11-10 10
10 rows selected
Executed in 0.031 seconds
SQL>
從這兩個sql的執行計劃看，他們選擇了不同索引，rownum選擇的索引更高效一點
使用環境：rank分析函數主要用於分組統計排名或排序，取分組內前N行數據等場景
三. lag和lead函數介紹
取每個月的上個月和下個月的銷售額度
SQL> select lottery_id,buy_time,money,
2 lag(money,2,0) over( partition by lottery_id order by buy_time) pre_month_money,
3 lag(money,1,0) over( partition by lottery_id order by buy_time) last_month_money,
4 lead(money,1,0) over( partition by lottery_id order by buy_time) next_month_money,
5 lead(money,2,0) over( partition by lottery_id order by buy_time) post_month_money
6 from
7 (
8 select o.lottery_id,trunc(o.buy_time,'dd') buy_time ,sum(o.money) money
9 from tb_order o
10 where o.state=4
11 and o.buy_time > sysdate -150
12 group by o.lottery_id,trunc(o.buy_time,'dd')
13 )
14 ;
LOTTERY_ID BUY_TIME MONEY PRE_MONTH_MONEY LAST_MONTH_MONEY NEXT_MONTH_MONEY POST_MONTH_MONEY
--------------------- ----------- ---------- --------------- ---------------- ---------------- ----------------
10 2010-10-13 19369444 0 0 73730 370164
10 2010-10-20 73730 0 19369444 370164 750410
10 2010-10-21 370164 19369444 73730 750410 0
10 2010-10-22 750410 73730 370164 0 0
14 2010-7-28 34 0 0 366 96
14 2010-7-29 366 0 34 96 156
14 2010-11-8 96 34 366 156 8544
14 2010-11-9 156 366 96 8544 10
14 2010-11-10 8544 96 156 10 4
14 2010-11-11 10 156 8544 4 0
14 2010-11-15 4 8544 10 0 0
22 2010-11-9 278 0 0 0 0
。。。
53 rows selected
Executed in 0.204 seconds
SQL>
說明：利用lag和lead函數,我們可以在同一行中顯示前n行的數據,也可以顯示後n行的數據.
LAG ( value_expr [, offset] [, default] ) OVER ( [query_partition_clause] order_by_clause )
LEAD ( value_expr [, offset] [, default] ) OVER ( [query_partition_clause] order_by_clause )
如果不指定offset（偏移量），默認值爲1。如果offset（偏移量）超出窗口範圍，則返回可指定默認值。如不指定默認值，則默認值爲null。
使用環境：lag和lead函數主要用於把當前行和前後N行數據放在同一行裏顯示的場景
四. sum,avg,max,min移動計算數據介紹
取最近一個內，連續3天的銷售總額，平均額，最大額，最小額
SQL> select lottery_id,buy_time,money,
2 sum(money) over (partition by lottery_id order by buy_time range between 1 preceding and 1 following) "3days_sum",
3 avg(money) over (partition by lottery_id order by buy_time range between 1 preceding and 1 following) "3days_avg",
4 max(money) over (partition by lottery_id order by buy_time range between 1 preceding and 1 following) "3days_max",
5 min(money) over (partition by lottery_id order by buy_time range between 1 preceding and 1 following) "3days_min"
6 from
7 (
8 select o.lottery_id,trunc(o.buy_time,'dd') buy_time ,sum(o.money) money
9 from tb_order o
10 where o.state=4
11 and o.buy_time > sysdate -30
12 group by o.lottery_id,trunc(o.buy_time,'dd')
13 )
14 ;
LOTTERY_ID BUY_TIME MONEY 3days_sum 3days_avg 3days_max 3days_min
--------------------- ----------- ---------- ---------- ---------- ---------- ----------
14 2010-11-8 96 252 126 156 96
14 2010-11-9 156 8796 2932 8544 96
14 2010-11-10 8544 8710 2903.33333 8544 10
14 2010-11-11 10 8554 4277 8544 10
14 2010-11-15 4 4 4 4 4
22 2010-11-9 278 278 278 278 278
58 2010-11-8 78 78 78 78 78
7 rows selected
Executed in 0.031 seconds
說明：
開窗函數指定了分析函數工作的數據窗口大小，這個數據窗口大小可能會隨着行的變化而變化，舉例如下：
over（order by salary） 按照salary排序進行累計，order by是個默認的開窗函數
over（partition by deptno）按照部門分區
over（order by salary range between 50 preceding and 150 following）每行對應的數據窗口是之前行幅度值不超過50，之後行幅度值不超過150
over（order by salary rows between 50 preceding and 150 following）每行對應的數據窗口是之前50行，之後150行
over（order by salary rows between unbounded preceding and unbounded following）每行對應的數據窗口是從第一行到最後一行
over（order by salary range between unbounded preceding and unbounded following） 每行對應的數據窗口是從最大值到最小值
五. ratio_to_report函數的介紹
取每天每個彩種銷售佔比的情況
SQL> select o.lottery_id,trunc(o.buy_time,'dd') buy_time ,sum(o.money) money,
2 ratio_to_report(sum(o.money)) over (partition by trunc(o.buy_time,'dd') )
3 from tb_order o
4 where o.state=4
5 and o.buy_time > sysdate -30
6 group by trunc(o.buy_time,'dd'),o.lottery_id
7 ;
LOTTERY_ID BUY_TIME MONEY RATIO_TO_REPORT(SUM(O.MONEY))O
--------------------- ----------- ---------- ------------------------------
14 2010-11-8 96 0.551724137931034
58 2010-11-8 78 0.448275862068966
14 2010-11-9 156 0.359447004608295
22 2010-11-9 278 0.640552995391705
14 2010-11-10 8544 1
14 2010-11-11 10 1
14 2010-11-15 4 1
7 rows selected
Executed in 0.031 seconds
SQL>