概述
若要獲得可靠的查詢,請指定分區、排序、關聯行為和框架,而不是只詢問運行總計或最高結果。
深入探討
分組聚合通常會將多個輸入行減少為每組一個結果。視窗計算可以將群組總計、排名或相鄰值附加到每行。這對於需要詳細資訊和上下文的報告非常有用,例如每次購買以及客戶的運行支出。為人工智慧提供資料庫引擎、相關列和小數據集的預期輸出。然後定義四個選擇。分區標識哪些行屬於一起,例如一個帳戶的所有事件。順序決定了它們的順序。該函數定義了計算。對於受框架影響的函數,框架會辨識分區內的哪些行對目前結果有貢獻。排名函數以不同的方式處理關係。 ROW_NUMBER 為每一行提供了一個不同的序號,但綁定的排序值需要一個決勝局來實現可預測的分配。 RANK 為並列的同行提供相同的排名,並在之後留出差距。 DENSE_RANK 給予相同的排名,沒有這些差距。根據報告的含義進行選擇。運行總計需要特別注意。有序視窗可以具有預設框架,其中包括具有相同排序值的對等體。對於一次前進一行的總計,請指定適當的 ROWS 框架和確定性順序。測試綁定的時間戳,而不是只依賴完全不同的樣本值。 LAG 指的是分區排序中較早的行。它不會自動填入缺少的日曆日期。因此,前一行的比較可能與前一天的比較不同。 PostgreSQL 的視窗函數教學記錄了這些差異。要求人工智慧解釋其選擇,在小型設備上執行查詢,並將每一行與預期排名或總數進行比較,然後再將其應用於更大的報告。
現實世界的實施
學習者要求 PostgreSQL 運行三個訂購購買的總計,價值分別為 5、7 和 4。使用從分區開始到目前行的基於行的框架,預期總計為 5、12 和 16。
對於從最高到最低排序的分數 100、100 和 90,RANK 產生 1、1 和 3,而 DENSE_RANK 產生 1、1 和 2。這個小範例使平局行為可見。
報告使用 LAG 將每家商店的銷售額與先前記錄的日期進行比較。作者檢查缺少的日期,因為前一行不需要代表昨天。
分析師要求 AI 使用 ROW_NUMBER 選擇每個帳戶的最新事件,並在時間戳記匹配時使用事件識別碼作為決勝局。結果是在故意綁定的時間戳上進行測試的。
如何使用 AI 編寫 SQL 視窗函數的未來
查詢助手可以透過在每個計算結果旁邊顯示分區和框架來改進視窗函數解釋。在這種行為變得可靠之前,帶有聯繫的小裝置、缺失的日期和單行組提供了一種有效的審查方法。團隊應該將這些範例與他們的報告查詢一起保留,以便將來的編輯保留預期的含義。隨著報告的成長,表現也需要對代表性數據進行衡量。簡潔的視窗表達式仍然需要大量排序,而且明顯正確的樣本結果並不能在每個邊緣情況下建立生產速度或正確的行為。
付諸實踐
為什麼這很重要
- 成本與預算. 多年來,架構決策決定著效能和營運成本。
- 更明確的決策. 技術教育幫助團隊選擇正確的堆疊,而不僅僅是最新的堆疊。
- 品質管控. 更好的工程選擇可以減少生產中的可靠性事故。
留意
- 優化一項基準測試可以隱藏更廣泛的系統弱點。
- 基礎設施和維護成本常常被低估。
- 隨著系統變得更加複雜,安全性和可觀察性差距可能會擴大。
後續步驟
- 在實施之前定義延遲、品質和成本目標。
- 在實際負載和資料條件下進行基準測試。
- 儀器監控錯誤、漂移和使用者影響。
- 在擴展之前準備回滾和事件回應路徑。
不斷探索
常見問題
什麼是如何用 AI 寫 SQL 視窗函數?
AI 可以幫助起草用於排名、比較和運行計算的 SQL 視窗函數,同時保留各個結果行。若要獲得可靠的查詢,請指定分區、排序、關聯行為和框架,而不是只詢問運行總計或最高結果。
對於 5、7 和 4 的訂購購買,哪些逐行運行總計與指南的框架相符?
每行的總計包括分區的較早行及其自身,產生的累積和為 5、12 和 16。
對於降序分數 100、100 和 90,RANK 會產生哪個序列?
前兩個分數並列第一,接下來的排名是第三,因為平局後 RANK 會留下差距。
哪一個函數給出並列分數 100、100 和 90 的排名 1、1 和 2?
DENSE_RANK 為同級提供相同的排名,而不為下一個不同值留出間隙。
最新事件查詢使用僅按兩個事件共享的時間戳記排序的 ROW_NUMBER。在它們之間做出可預測的選擇需要什麼?
如果所選事件必須是可預測的,則 ROW_NUMBER 需要在關聯行之間進行確定性排序。
為什麼每日銷售額的LAG不能代表昨天的銷售額?
LAG 遵循行順序,因此缺少一天意味著前一行可能來自比昨天更早的日期。