sql - ORDER BY在PARTITION BY函数中的作用是什么？

Question

我有一个包含数据的表格，

    ID        SEQ    EFFDAT                 
------- ---------    -----------------------
  1024          1    01/07/2010 12:00:00 AM   
  1024          3    18/04/2017 12:00:00 AM   
  1024          2    01/08/2017 12:00:00 AM   

当我执行以下查询时，我得到了错误的最大序列，但我仍然得到了正确的最大生效日期。

询问:

SELECT 
max(seq) over (partition by id order by EFFDAT desc) maxEffSeq,
partitionByTest.*,
max(EFFDAT) over (partition by (id) order by EFFDAT desc ) maxeffdat
FROM partitionByTest;

输出:

 MAXEFFSEQ         ID        SEQ EFFDAT                   MAXEFFDAT              
---------- ---------- ---------- ------------------------ ------------------------
         2       1024          2 01/08/2017 12:00:00 AM   01/08/2017 12:00:00 AM   
         3       1024          3 18/04/2017 12:00:00 AM   01/08/2017 12:00:00 AM   
         3       1024          1 01/07/2010 12:00:00 AM   01/08/2017 12:00:00 AM 

如果我在查询中删除订单，我会得到正确的输出。

询问:

SELECT max(seq) over (partition by id ) maxEffSeq, partitionByTest.*,
max(EFFDAT) over (partition by (id) order by EFFDAT desc ) maxeffdat
FROM partitionByTest;

输出:

 MAXEFFSEQ         ID        SEQ EFFDAT                   MAXEFFDAT              
---------- ---------- ---------- ------------------------ ------------------------
         3       1024          2 01/08/2017 12:00:00 AM   01/08/2017 12:00:00 AM   
         3       1024          3 18/04/2017 12:00:00 AM   01/08/2017 12:00:00 AM   
         3       1024          1 01/07/2010 12:00:00 AM   01/08/2017 12:00:00 AM   

我知道当我们使用 MAX 函数时，不需要使用 order by 子句。但是我很想知道 order by 在按功能分区中是如何工作的，以及为什么当我使用 order by 子句时它会给出错误的序列结果和正确的日期结果？

Answer 1

添加 order by还暗示了一个窗口子句，并且由于您没有指定一个窗口子句，因此您将获得默认值，所以您实际上是在做:

max(seq) over (
  partition by id
  order by EFFDAT desc
  range between unbounded preceding and current row
)

如果您考虑以相同的方式对数据进行排序时数据的外观，按降序排列:

select partitionbytest.*,
  count(*) over (partition by id order by effdat desc) range_rows,
  max(seq) over (partition by id order by effdat desc) range_max_seq,
  count(*) over (partition by id) id_rows,
  max(seq) over (partition by id) id_max_seq
from partitionbytest
order by effdat desc;

        ID        SEQ EFFDAT     RANGE_ROWS RANGE_MAX_SEQ    ID_ROWS ID_MAX_SEQ
---------- ---------- ---------- ---------- ------------- ---------- ----------
      1024          2 2017-08-01          1             2          3          3
      1024          3 2017-04-18          2             3          3          3
      1024          1 2010-07-01          3             3          3          3

然后它变得更加清晰。我已经包含了等效的分析计数，因此您还可以查看正在考虑的行数，有和没有 order by条款。

对于第一行，最大 seq 值是通过查看当前行的数据和所有具有较晚日期的前一行(因为它是降序的)找到的，并且没有这些，所以它是来自该行本身的值 - 所以它是 2 . 不考虑它后面的行，seq 值为 3 和 1。

对于第二行，它查看当前行和所有具有较晚日期的前面的行，因此它可以同时考虑前面的值 2 和当前的值 3。因为 3 在这些中最高，所以它表明了这一点。不考虑它后面的 seq 值为 1 的行。

对于第三行，它查看当前行和所有具有较晚日期的前面的行，因此它可以考虑前面的值 2 和 3 以及当前的值 1。由于 3 仍然是最高的，因此再次显示。

没有 order by子句它总是考虑该 ID 的所有值，因此它认为 3 是所有值的最高值。

见 the documentation for analytic functions有关如何确定的更多详细信息，特别是:

The group of rows is called a window and is defined by the analytic_clause. For each row, a sliding window of rows is defined. The window determines the range of rows used to perform the calculations for the current row. Window sizes can be based on either a physical number of rows or a logical interval such as time.

和

You cannot specify [windowing_clause] unless you have specified the order_by_clause.

和

If you omit the windowing_clause entirely, then the default is RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW.