Tinjauan Fungsi Jendela Analitik Baru di MySQL 8.0

Data ditangkap dan disimpan untuk berbagai alasan. Berjam-jam di luar hitungan (dan bahkan lebih banyak anggaran) diinvestasikan dalam mengumpulkan, mencerna, menyusun, memvalidasi, dan akhirnya menyimpan data; untuk mengatakan bahwa itu adalah aset yang berharga adalah untuk membawa pulang poin diperdebatkan. Hari ini di usia itu mungkin, pada kenyataannya, menjadi komoditas kita yang paling berharga.

Beberapa data digunakan secara ketat sebagai arsip. Mungkin untuk merekam atau melacak peristiwa yang terjadi di masa lalu. Tetapi sisi lain dari koin itu adalah bahwa data historis memiliki nilai dalam mendasarkan keputusan untuk masa depan dan upaya masa depan.

Hari apa kami mengadakan obral? (Merencanakan penjualan di masa mendatang berdasarkan apa yang kami lakukan di masa lalu.)
Penjual mana yang berkinerja terbaik di kuartal pertama? (Melihat ke belakang, siapa yang bisa kita beri penghargaan atas upaya mereka.)
Restoran mana yang paling sering dikunjungi di pertengahan Juli? (Musim perjalanan sudah tiba... Kepada siapa kami dapat menjual bahan makanan dan barang-barang kami?)

Anda mendapatkan gambarnya. Menggunakan data yang ada merupakan bagian integral dari organisasi mana pun.

Banyak perusahaan membangun, mendasarkan, dan menyediakan layanan dengan data. Mereka bergantung padanya.

Beberapa bulan yang lalu, tergantung kapan Anda membaca ini, saya mulai berjalan untuk berolahraga, dengan sungguh-sungguh, untuk menurunkan berat badan, menjaga kesehatan saya, dan mencari sedikit kesendirian setiap hari dari dunia sibuk yang kita tinggali ini.

Saya menggunakan aplikasi pedometer seluler untuk melacak pendakian saya, bahkan dengan mempertimbangkan sepatu yang saya kenakan, karena saya cenderung sangat pilih-pilih soal alas kaki.

Meskipun data ini tidak sepenting yang disebutkan dalam skenario di atas, bagi saya, elemen kunci dalam mempelajari apa pun, adalah menggunakan sesuatu yang saya minati, dapat dikaitkan, dan dipahami.

Fungsi Jendela telah lama saya jelajahi. Jadi, saya berpikir untuk mencoba beberapa dari mereka di posting ini. Setelah baru-baru ini didukung di MySQL 8 (Kunjungi blog Somenines ini saya menulis tentang peningkatan MySQL 8 dan tambahan baru di mana saya menyebutkannya secara singkat) ekosistem itulah yang akan saya gunakan di sini. Berhati-hatilah, saya bukan ahli fungsi analisis jendela.

Apa itu Fungsi Jendela MySQL?

Dokumentasi MySQL mendefinisikannya sebagai berikut: "Fungsi jendela melakukan operasi seperti agregat pada sekumpulan baris kueri. Namun, sementara operasi agregat mengelompokkan baris kueri ke dalam satu baris hasil, fungsi jendela menghasilkan hasil untuk setiap baris kueri:"

Set Data dan Setup untuk Postingan Ini

Saya menyimpan data yang diambil dari perjalanan saya di tabel ini:

mysql> DESC hiking_stats;
+-----------------+--------------+------+-----+---------+-------+
| Field           | Type         | Null | Key | Default | Extra |
+-----------------+--------------+------+-----+---------+-------+
| day_walked      | date         | YES  |     | NULL    |       |
| burned_calories | decimal(4,1) | YES  |     | NULL    |       |
| distance_walked | decimal(4,2) | YES  |     | NULL    |       |
| time_walking    | time         | YES  |     | NULL    |       |
| pace            | decimal(2,1) | YES  |     | NULL    |       |
| shoes_worn      | text         | YES  |     | NULL    |       |
| trail_hiked     | text         | YES  |     | NULL    |       |
+-----------------+--------------+------+-----+---------+-------+
7 rows in set (0.01 sec)

Ada hampir 90 hari data di sini:

mysql> SELECT COUNT(*) FROM hiking_stats;
+----------+
| COUNT(*) |
+----------+
|       84 |
+----------+
1 row in set (0.00 sec)

Saya akui, saya rewel tentang alas kaki saya, jadi mari kita tentukan sepatu mana yang paling saya sukai:

mysql> SELECT DISTINCT shoes_worn, COUNT(*)
    -> FROM hiking_stats
    -> GROUP BY shoes_worn;
+---------------------------------------+----------+
| shoes_worn                            | COUNT(*) |
+---------------------------------------+----------+
| New Balance Trail Runners-All Terrain |       30 |
| Oboz Sawtooth Low                     |       47 |
| Keen Koven WP(keen-dry)               |        6 |
| New Balance 510v2                     |        1 |
+---------------------------------------+----------+
4 rows in set (0.00 sec)

Untuk memberikan demonstrasi di layar yang lebih baik dan dapat dikelola, saya akan membatasi sisa hasil kueri hanya untuk sepatu favorit yang saya pakai 47 kali.

Saya juga memiliki kolom trail_hiked dan sejak saya berada dalam 'mode latihan ultra ' selama hampir 3 bulan ini, saya bahkan menghitung kalori sambil mendorong memotong halaman:

mysql> SELECT DISTINCT trail_hiked, COUNT(*)
    -> FROM hiking_stats
    -> GROUP BY trail_hiked;
+------------------------+----------+
| trail_hiked            | COUNT(*) |
+------------------------+----------+
| Yard Mowing            |       14 |
| Sandy Trail-Drive      |       20 |
| West Boundary          |       29 |
| House-Power Line Route |       10 |
| Tree Trail-extended    |       11 |
+------------------------+----------+
5 rows in set (0.01 sec)

Namun, untuk lebih membatasi kumpulan data, saya akan memfilter baris tersebut juga:

mysql> SELECT COUNT(*)
    -> FROM hiking_stats
    -> WHERE shoes_worn = 'Oboz Sawtooth Low'
    -> AND
    -> trail_hiked <> 'Yard Mowing';
+----------+
| COUNT(*) |
+----------+
|       40 |
+----------+
1 row in set (0.01 sec)

Demi kesederhanaan dan kemudahan penggunaan, saya akan membuat VIEW kolom untuk bekerja dengan:

mysql> CREATE VIEW vw_fav_shoe_stats AS
    -> (SELECT day_walked, burned_calories, distance_walked, time_walking, pace, trail_hiked
    -> FROM hiking_stats
    -> WHERE shoes_worn = 'Oboz Sawtooth Low'
    -> AND trail_hiked <> 'Yard Mowing');
Query OK, 0 rows affected (0.19 sec)

Meninggalkan saya dengan kumpulan data ini:

mysql> SELECT * FROM vw_fav_shoe_stats;
+------------+-----------------+-----------------+--------------+------+------------------------+
| day_walked | burned_calories | distance_walked | time_walking | pace | trail_hiked            |
+------------+-----------------+-----------------+--------------+------+------------------------+
| 2018-06-03 |           389.6 |            4.11 | 01:13:19     |  3.4 | Sandy Trail-Drive      |
| 2018-06-04 |           394.6 |            4.26 | 01:14:15     |  3.4 | Sandy Trail-Drive      |
| 2018-06-06 |           384.6 |            4.10 | 01:13:14     |  3.4 | Sandy Trail-Drive      |
| 2018-06-07 |           382.7 |            4.12 | 01:12:52     |  3.4 | Sandy Trail-Drive      |
| 2018-06-17 |           296.3 |            2.82 | 00:55:45     |  3.0 | West Boundary          |
| 2018-06-18 |           314.7 |            3.08 | 00:59:13     |  3.1 | West Boundary          |
| 2018-06-20 |           338.5 |            3.27 | 01:03:42     |  3.1 | West Boundary          |
| 2018-06-21 |           339.5 |            3.40 | 01:03:54     |  3.2 | West Boundary          |
| 2018-06-24 |           392.4 |            3.76 | 01:13:51     |  3.1 | House-Power Line Route |
| 2018-06-25 |           362.1 |            3.72 | 01:08:09     |  3.3 | West Boundary          |
| 2018-06-26 |           380.5 |            3.94 | 01:11:36     |  3.3 | West Boundary          |
| 2018-07-03 |           323.7 |            3.29 | 01:00:55     |  3.2 | West Boundary          |
| 2018-07-04 |           342.8 |            3.47 | 01:04:31     |  3.2 | West Boundary          |
| 2018-07-06 |           375.7 |            3.80 | 01:10:42     |  3.2 | West Boundary          |
| 2018-07-07 |           347.6 |            3.40 | 01:05:25     |  3.1 | Sandy Trail-Drive      |
| 2018-07-08 |           351.6 |            3.58 | 01:06:09     |  3.2 | West Boundary          |
| 2018-07-09 |           336.0 |            3.28 | 01:03:13     |  3.1 | West Boundary          |
| 2018-07-11 |           375.2 |            3.81 | 01:10:37     |  3.2 | West Boundary          |
| 2018-07-12 |           325.9 |            3.28 | 01:01:20     |  3.2 | West Boundary          |
| 2018-07-15 |           382.9 |            3.91 | 01:12:03     |  3.3 | House-Power Line Route |
| 2018-07-16 |           368.6 |            3.72 | 01:09:22     |  3.2 | West Boundary          |
| 2018-07-17 |           339.4 |            3.46 | 01:03:52     |  3.3 | West Boundary          |
| 2018-07-18 |           368.1 |            3.72 | 01:08:28     |  3.3 | West Boundary          |
| 2018-07-19 |           339.2 |            3.44 | 01:03:06     |  3.3 | West Boundary          |
| 2018-07-22 |           378.3 |            3.76 | 01:10:22     |  3.2 | West Boundary          |
| 2018-07-23 |           322.9 |            3.28 | 01:00:03     |  3.3 | West Boundary          |
| 2018-07-24 |           386.4 |            3.81 | 01:11:53     |  3.2 | West Boundary          |
| 2018-07-25 |           379.9 |            3.83 | 01:10:39     |  3.3 | West Boundary          |
| 2018-07-27 |           378.3 |            3.73 | 01:10:21     |  3.2 | West Boundary          |
| 2018-07-28 |           337.4 |            3.39 | 01:02:45     |  3.2 | Sandy Trail-Drive      |
| 2018-07-29 |           348.7 |            3.50 | 01:04:52     |  3.2 | West Boundary          |
| 2018-07-30 |           361.6 |            3.69 | 01:07:15     |  3.3 | West Boundary          |
| 2018-07-31 |           359.9 |            3.66 | 01:06:57     |  3.3 | West Boundary          |
| 2018-08-01 |           336.1 |            3.37 | 01:01:48     |  3.3 | West Boundary          |
| 2018-08-03 |           259.9 |            2.57 | 00:47:47     |  3.2 | West Boundary          |
| 2018-08-05 |           341.2 |            3.37 | 01:02:44     |  3.2 | West Boundary          |
| 2018-08-06 |           357.7 |            3.64 | 01:05:46     |  3.3 | West Boundary          |
| 2018-08-17 |           184.2 |            1.89 | 00:39:00     |  2.9 | Tree Trail-extended    |
| 2018-08-18 |           242.9 |            2.53 | 00:51:25     |  3.0 | Tree Trail-extended    |
| 2018-08-30 |           204.4 |            1.95 | 00:37:35     |  3.1 | House-Power Line Route |
+------------+-----------------+-----------------+--------------+------+------------------------+
40 rows in set (0.00 sec)

Fungsi jendela pertama yang akan saya lihat adalah ROW_NUMBER().

Misalkan saya ingin kumpulan hasil yang diurutkan berdasarkan kolom kalori yang terbakar untuk bulan 'Juli'.

Tentu saja, saya dapat mengambil data itu dengan kueri ini:

mysql> SELECT day_walked, burned_calories, trail_hiked
    -> FROM vw_fav_shoe_stats
    -> WHERE MONTHNAME(day_walked) = 'July'
    -> ORDER BY burned_calories DESC;
+------------+-----------------+------------------------+
| day_walked | burned_calories | trail_hiked            |
+------------+-----------------+------------------------+
| 2018-07-24 |           386.4 | West Boundary          |
| 2018-07-15 |           382.9 | House-Power Line Route |
| 2018-07-25 |           379.9 | West Boundary          |
| 2018-07-22 |           378.3 | West Boundary          |
| 2018-07-27 |           378.3 | West Boundary          |
| 2018-07-06 |           375.7 | West Boundary          |
| 2018-07-11 |           375.2 | West Boundary          |
| 2018-07-16 |           368.6 | West Boundary          |
| 2018-07-18 |           368.1 | West Boundary          |
| 2018-07-30 |           361.6 | West Boundary          |
| 2018-07-31 |           359.9 | West Boundary          |
| 2018-07-08 |           351.6 | West Boundary          |
| 2018-07-29 |           348.7 | West Boundary          |
| 2018-07-07 |           347.6 | Sandy Trail-Drive      |
| 2018-07-04 |           342.8 | West Boundary          |
| 2018-07-17 |           339.4 | West Boundary          |
| 2018-07-19 |           339.2 | West Boundary          |
| 2018-07-28 |           337.4 | Sandy Trail-Drive      |
| 2018-07-09 |           336.0 | West Boundary          |
| 2018-07-12 |           325.9 | West Boundary          |
| 2018-07-03 |           323.7 | West Boundary          |
| 2018-07-23 |           322.9 | West Boundary          |
+------------+-----------------+------------------------+
22 rows in set (0.01 sec)

Namun, untuk alasan apa pun (mungkin kepuasan pribadi), saya ingin menghargai sebuah peringkat di antara baris yang dikembalikan yang dimulai dengan 1 yang menunjukkan jumlah pembakaran_kalori tertinggi, hingga (n) baris dalam kumpulan hasil.

ROW_NUMBER(), dapat menangani ini tanpa masalah sama sekali:

mysql> SELECT day_walked, burned_calories,
    -> ROW_NUMBER() OVER(ORDER BY burned_calories DESC)
    -> AS position, trail_hiked
    -> FROM vw_fav_shoe_stats
    -> WHERE MONTHNAME(day_walked) = 'July';
+------------+-----------------+----------+------------------------+
| day_walked | burned_calories | position | trail_hiked            |
+------------+-----------------+----------+------------------------+
| 2018-07-24 |           386.4 |        1 | West Boundary          |
| 2018-07-15 |           382.9 |        2 | House-Power Line Route |
| 2018-07-25 |           379.9 |        3 | West Boundary          |
| 2018-07-22 |           378.3 |        4 | West Boundary          |
| 2018-07-27 |           378.3 |        5 | West Boundary          |
| 2018-07-06 |           375.7 |        6 | West Boundary          |
| 2018-07-11 |           375.2 |        7 | West Boundary          |
| 2018-07-16 |           368.6 |        8 | West Boundary          |
| 2018-07-18 |           368.1 |        9 | West Boundary          |
| 2018-07-30 |           361.6 |       10 | West Boundary          |
| 2018-07-31 |           359.9 |       11 | West Boundary          |
| 2018-07-08 |           351.6 |       12 | West Boundary          |
| 2018-07-29 |           348.7 |       13 | West Boundary          |
| 2018-07-07 |           347.6 |       14 | Sandy Trail-Drive      |
| 2018-07-04 |           342.8 |       15 | West Boundary          |
| 2018-07-17 |           339.4 |       16 | West Boundary          |
| 2018-07-19 |           339.2 |       17 | West Boundary          |
| 2018-07-28 |           337.4 |       18 | Sandy Trail-Drive      |
| 2018-07-09 |           336.0 |       19 | West Boundary          |
| 2018-07-12 |           325.9 |       20 | West Boundary          |
| 2018-07-03 |           323.7 |       21 | West Boundary          |
| 2018-07-23 |           322.9 |       22 | West Boundary          |
+------------+-----------------+----------+------------------------+
22 rows in set (0.00 sec)

Anda dapat melihat baris dengan jumlah pembakaran_kalori sebesar 386,4 memiliki posisi 1, sedangkan baris dengan nilai 322.9 memiliki 22, yang merupakan jumlah terkecil (atau terendah) di antara kumpulan baris yang dikembalikan.

Saya akan menggunakan ROW_NUMBER() untuk sesuatu yang sedikit lebih menarik seiring kemajuan kita. Hanya ketika saya mengetahui tentang itu digunakan dalam konteks itu, saya benar-benar menyadari beberapa kekuatan sebenarnya.

Selanjutnya, mari kunjungi fungsi jendela RANK() untuk memberikan jenis 'peringkat yang berbeda ' di antara barisan. Kami masih akan menargetkan nilai kolom yang dibakar_kalori. Dan, meskipun RANK() mirip dengan ROW_NUMBER() dalam hal mereka memberi peringkat pada baris, itu memang memperkenalkan perbedaan halus dalam keadaan tertentu.

Saya bahkan akan lebih membatasi jumlah baris secara keseluruhan dengan memfilter catatan apa pun yang tidak ada di bulan 'Juli' tetapi menargetkan jejak tertentu:

mysql> SELECT day_walked, burned_calories,
    -> RANK() OVER(ORDER BY burned_calories DESC) AS position,
    -> trail_hiked
    -> FROM vw_fav_shoe_stats
    -> WHERE MONTHNAME(day_walked) = 'July'
    -> AND trail_hiked = 'West Boundary';
+------------+-----------------+----------+---------------+
| day_walked | burned_calories | position | trail_hiked   |
+------------+-----------------+----------+---------------+
| 2018-07-24 |           386.4 |        1 | West Boundary |
| 2018-07-25 |           379.9 |        2 | West Boundary |
| 2018-07-22 |           378.3 |        3 | West Boundary |
| 2018-07-27 |           378.3 |        3 | West Boundary |
| 2018-07-06 |           375.7 |        5 | West Boundary |
| 2018-07-11 |           375.2 |        6 | West Boundary |
| 2018-07-16 |           368.6 |        7 | West Boundary |
| 2018-07-18 |           368.1 |        8 | West Boundary |
| 2018-07-30 |           361.6 |        9 | West Boundary |
| 2018-07-31 |           359.9 |       10 | West Boundary |
| 2018-07-08 |           351.6 |       11 | West Boundary |
| 2018-07-29 |           348.7 |       12 | West Boundary |
| 2018-07-04 |           342.8 |       13 | West Boundary |
| 2018-07-17 |           339.4 |       14 | West Boundary |
| 2018-07-19 |           339.2 |       15 | West Boundary |
| 2018-07-09 |           336.0 |       16 | West Boundary |
| 2018-07-12 |           325.9 |       17 | West Boundary |
| 2018-07-03 |           323.7 |       18 | West Boundary |
| 2018-07-23 |           322.9 |       19 | West Boundary |
+------------+-----------------+----------+---------------+
19 rows in set (0.01 sec)

Perhatikan sesuatu yang aneh di sini? Berbeda dengan ROW_NUMBER()?

Lihat nilai posisi untuk baris '22-07-2018' dan '27-07-2018'. Mereka seri di urutan ke-3.

Dengan alasan yang baik karena nilai kalori_bakar 378,3 ada di kedua baris.

Bagaimana ROW_NUMBER() memberi peringkat kepada mereka?

Mari kita cari tahu:

mysql> SELECT day_walked, burned_calories,
    -> ROW_NUMBER() OVER(ORDER BY burned_calories DESC) AS position,
    -> trail_hiked
    -> FROM vw_fav_shoe_stats
    -> WHERE MONTHNAME(day_walked) = 'July'
    -> AND trail_hiked = 'West Boundary';
+------------+-----------------+----------+---------------+
| day_walked | burned_calories | position | trail_hiked   |
+------------+-----------------+----------+---------------+
| 2018-07-24 |           386.4 |        1 | West Boundary |
| 2018-07-25 |           379.9 |        2 | West Boundary |
| 2018-07-22 |           378.3 |        3 | West Boundary |
| 2018-07-27 |           378.3 |        4 | West Boundary |
| 2018-07-06 |           375.7 |        5 | West Boundary |
| 2018-07-11 |           375.2 |        6 | West Boundary |
| 2018-07-16 |           368.6 |        7 | West Boundary |
| 2018-07-18 |           368.1 |        8 | West Boundary |
| 2018-07-30 |           361.6 |        9 | West Boundary |
| 2018-07-31 |           359.9 |       10 | West Boundary |
| 2018-07-08 |           351.6 |       11 | West Boundary |
| 2018-07-29 |           348.7 |       12 | West Boundary |
| 2018-07-04 |           342.8 |       13 | West Boundary |
| 2018-07-17 |           339.4 |       14 | West Boundary |
| 2018-07-19 |           339.2 |       15 | West Boundary |
| 2018-07-09 |           336.0 |       16 | West Boundary |
| 2018-07-12 |           325.9 |       17 | West Boundary |
| 2018-07-03 |           323.7 |       18 | West Boundary |
| 2018-07-23 |           322.9 |       19 | West Boundary |
+------------+-----------------+----------+---------------+
19 rows in set (0.06 sec)

Hmm...

Tidak ada ikatan dalam penomoran kolom posisi kali ini.

Tapi, siapa yang didahulukan?

Sepengetahuan saya, untuk pemesanan yang dapat diprediksi, Anda mungkin harus menentukannya dengan beberapa cara tambahan lain dalam kueri (misalnya kolom time_walking dalam kasus ini?).

Tapi kami belum selesai dengan opsi peringkat. Ini DENSE_RANK():

mysql> SELECT day_walked, burned_calories,
    -> DENSE_RANK() OVER(ORDER BY burned_calories DESC) AS position,
    -> trail_hiked
    -> FROM vw_fav_shoe_stats
    -> WHERE MONTHNAME(day_walked) = 'July'
    -> AND trail_hiked = 'West Boundary';
+------------+-----------------+----------+---------------+
| day_walked | burned_calories | position | trail_hiked   |
+------------+-----------------+----------+---------------+
| 2018-07-24 |           386.4 |        1 | West Boundary |
| 2018-07-25 |           379.9 |        2 | West Boundary |
| 2018-07-22 |           378.3 |        3 | West Boundary |
| 2018-07-27 |           378.3 |        3 | West Boundary |
| 2018-07-06 |           375.7 |        4 | West Boundary |
| 2018-07-11 |           375.2 |        5 | West Boundary |
| 2018-07-16 |           368.6 |        6 | West Boundary |
| 2018-07-18 |           368.1 |        7 | West Boundary |
| 2018-07-30 |           361.6 |        8 | West Boundary |
| 2018-07-31 |           359.9 |        9 | West Boundary |
| 2018-07-08 |           351.6 |       10 | West Boundary |
| 2018-07-29 |           348.7 |       11 | West Boundary |
| 2018-07-04 |           342.8 |       12 | West Boundary |
| 2018-07-17 |           339.4 |       13 | West Boundary |
| 2018-07-19 |           339.2 |       14 | West Boundary |
| 2018-07-09 |           336.0 |       15 | West Boundary |
| 2018-07-12 |           325.9 |       16 | West Boundary |
| 2018-07-03 |           323.7 |       17 | West Boundary |
| 2018-07-23 |           322.9 |       18 | West Boundary |
+------------+-----------------+----------+---------------+
19 rows in set (0.00 sec)

Ikatan tetap ada, namun penomorannya berbeda di mana baris dihitung , melanjutkan melalui hasil yang tersisa.

Di mana RANK() memulai hitungan dengan 5 setelah seri, DENSE_RANK() mengambil di nomor berikutnya, yaitu 4 dalam hal ini, karena seri terjadi pada baris 3.

Saya akan menjadi yang pertama mengakui, berbagai pola peringkat baris ini cukup menarik, tetapi, bagaimana Anda dapat menggunakannya untuk kumpulan hasil yang bermakna?

ClusterControlSingle Console untuk Seluruh Infrastruktur Basis Data AndaCari tahu apa lagi yang baru di ClusterControlInstall ClusterControl GRATIS

Bonus Pemikiran

Saya harus memberikan kredit di mana kredit jatuh tempo. Saya belajar banyak tentang fungsi jendela dari seri yang luar biasa di YouTube dan satu video, khususnya, menginspirasi saya untuk contoh berikutnya. Harap diingat meskipun contoh dalam seri tersebut ditunjukkan dengan database non-sumber terbuka sistem (Jangan lempar buah dan sayuran busuk digital ke saya), ada banyak hal yang bisa dipelajari dari video secara keseluruhan.

Saya melihat pola di sebagian besar hasil kueri sejauh ini yang ingin saya jelajahi. Saya tidak akan memfilter menurut bulan atau jejak apa pun.

Yang ingin saya ketahui, adalah hari-hari berturut-turut saya membakar lebih dari 350 kalori. Lebih baik lagi, kelompok pada masa itu.

Inilah kueri dasar yang akan saya mulai dan buat dari:

mysql> SELECT day_walked, burned_calories, 
    -> ROW_NUMBER() OVER(ORDER BY day_walked ASC) AS positional_bound, 
    -> trail_hiked 
    -> FROM vw_fav_shoe_stats 
    -> WHERE burned_calories > 350;
+------------+-----------------+------------------+------------------------+
| day_walked | burned_calories | positional_bound | trail_hiked            |
+------------+-----------------+------------------+------------------------+
| 2018-06-03 |           389.6 |                1 | Sandy Trail-Drive      |
| 2018-06-04 |           394.6 |                2 | Sandy Trail-Drive      |
| 2018-06-06 |           384.6 |                3 | Sandy Trail-Drive      |
| 2018-06-07 |           382.7 |                4 | Sandy Trail-Drive      |
| 2018-06-24 |           392.4 |                5 | House-Power Line Route |
| 2018-06-25 |           362.1 |                6 | West Boundary          |
| 2018-06-26 |           380.5 |                7 | West Boundary          |
| 2018-07-06 |           375.7 |                8 | West Boundary          |
| 2018-07-08 |           351.6 |                9 | West Boundary          |
| 2018-07-11 |           375.2 |               10 | West Boundary          |
| 2018-07-15 |           382.9 |               11 | House-Power Line Route |
| 2018-07-16 |           368.6 |               12 | West Boundary          |
| 2018-07-18 |           368.1 |               13 | West Boundary          |
| 2018-07-22 |           378.3 |               14 | West Boundary          |
| 2018-07-24 |           386.4 |               15 | West Boundary          |
| 2018-07-25 |           379.9 |               16 | West Boundary          |
| 2018-07-27 |           378.3 |               17 | West Boundary          |
| 2018-07-30 |           361.6 |               18 | West Boundary          |
| 2018-07-31 |           359.9 |               19 | West Boundary          |
| 2018-08-06 |           357.7 |               20 | West Boundary          |
+------------+-----------------+------------------+------------------------+
20 rows in set (0.00 sec)

Kami telah melihat ROW_NUMBER(), namun sekarang ini benar-benar berperan.

Untuk membuat ini berfungsi (setidaknya di MySQL) saya harus menggunakan fungsi DATE_SUB() karena pada dasarnya, dengan teknik ini kami mengurangi angka - nilai yang diberikan oleh ROW_NUMBER() dari kolom tanggal day_walked dari baris yang sama, yang di gilirannya, memberikan tanggal itu sendiri melalui perhitungan:

mysql> SELECT day_walked AS day_of_walk,
    -> DATE_SUB(day_walked, INTERVAL ROW_NUMBER() OVER(ORDER BY day_walked ASC) DAY) AS positional_bound,
    -> burned_calories,
    -> trail_hiked
    -> FROM vw_fav_shoe_stats
    -> WHERE burned_calories > 350;
+-------------+------------------+-----------------+------------------------+
| day_of_walk | positional_bound | burned_calories | trail_hiked            |
+-------------+------------------+-----------------+------------------------+
| 2018-06-03  | 2018-06-02       |           389.6 | Sandy Trail-Drive      |
| 2018-06-04  | 2018-06-02       |           394.6 | Sandy Trail-Drive      |
| 2018-06-06  | 2018-06-03       |           384.6 | Sandy Trail-Drive      |
| 2018-06-07  | 2018-06-03       |           382.7 | Sandy Trail-Drive      |
| 2018-06-24  | 2018-06-19       |           392.4 | House-Power Line Route |
| 2018-06-25  | 2018-06-19       |           362.1 | West Boundary          |
| 2018-06-26  | 2018-06-19       |           380.5 | West Boundary          |
| 2018-07-06  | 2018-06-28       |           375.7 | West Boundary          |
| 2018-07-08  | 2018-06-29       |           351.6 | West Boundary          |
| 2018-07-11  | 2018-07-01       |           375.2 | West Boundary          |
| 2018-07-15  | 2018-07-04       |           382.9 | House-Power Line Route |
| 2018-07-16  | 2018-07-04       |           368.6 | West Boundary          |
| 2018-07-18  | 2018-07-05       |           368.1 | West Boundary          |
| 2018-07-22  | 2018-07-08       |           378.3 | West Boundary          |
| 2018-07-24  | 2018-07-09       |           386.4 | West Boundary          |
| 2018-07-25  | 2018-07-09       |           379.9 | West Boundary          |
| 2018-07-27  | 2018-07-10       |           378.3 | West Boundary          |
| 2018-07-30  | 2018-07-12       |           361.6 | West Boundary          |
| 2018-07-31  | 2018-07-12       |           359.9 | West Boundary          |
| 2018-08-06  | 2018-07-17       |           357.7 | West Boundary          |
+-------------+------------------+-----------------+------------------------+
20 rows in set (0.00 sec)

Namun, tanpa DATE_SUB(), Anda berakhir dengan ini (atau setidaknya saya melakukannya):

mysql> SELECT day_walked AS day_of_walk,
    -> day_walked - ROW_NUMBER() OVER(ORDER BY day_walked ASC) AS positional_bound,
    -> burned_calories,
    -> trail_hiked
    -> FROM vw_fav_shoe_stats
    -> WHERE burned_calories > 350;
+-------------+------------------+-----------------+------------------------+
| day_of_walk | positional_bound | burned_calories | trail_hiked            |
+-------------+------------------+-----------------+------------------------+
| 2018-06-03  |         20180602 |           389.6 | Sandy Trail-Drive      |
| 2018-06-04  |         20180602 |           394.6 | Sandy Trail-Drive      |
| 2018-06-06  |         20180603 |           384.6 | Sandy Trail-Drive      |
| 2018-06-07  |         20180603 |           382.7 | Sandy Trail-Drive      |
| 2018-06-24  |         20180619 |           392.4 | House-Power Line Route |
| 2018-06-25  |         20180619 |           362.1 | West Boundary          |
| 2018-06-26  |         20180619 |           380.5 | West Boundary          |
| 2018-07-06  |         20180698 |           375.7 | West Boundary          |
| 2018-07-08  |         20180699 |           351.6 | West Boundary          |
| 2018-07-11  |         20180701 |           375.2 | West Boundary          |
| 2018-07-15  |         20180704 |           382.9 | House-Power Line Route |
| 2018-07-16  |         20180704 |           368.6 | West Boundary          |
| 2018-07-18  |         20180705 |           368.1 | West Boundary          |
| 2018-07-22  |         20180708 |           378.3 | West Boundary          |
| 2018-07-24  |         20180709 |           386.4 | West Boundary          |
| 2018-07-25  |         20180709 |           379.9 | West Boundary          |
| 2018-07-27  |         20180710 |           378.3 | West Boundary          |
| 2018-07-30  |         20180712 |           361.6 | West Boundary          |
| 2018-07-31  |         20180712 |           359.9 | West Boundary          |
| 2018-08-06  |         20180786 |           357.7 | West Boundary          |
+-------------+------------------+-----------------+------------------------+
20 rows in set (0.04 sec)

Hei, sepertinya tidak terlalu buruk.

Apa yang memberi?

Eh, baris dengan nilai positional_bound '20180698'...

Tunggu sebentar, ini seharusnya menghitung nilai tanggal dengan mengurangi angka yang diberikan ROW_NUMBER() dari kolom day_of_walk.

Benar.

Saya tidak tahu tentang Anda, tetapi saya tidak tahu bulan dengan 98 hari!

Tapi, jika ada, berikan gaji ekstra!

Terlepas dari semua kesenangan, ini jelas tidak benar dan mendorong saya untuk (akhirnya) menggunakan DATE_SUB(), yang memberikan set hasil yang benar dan memungkinkan saya untuk menjalankan kueri ini:

mysql> SELECT MIN(t.day_of_walk), 
    -> MAX(t.day_of_walk),
    -> COUNT(*) AS num_of_hikes
    -> FROM (SELECT day_walked AS day_of_walk,
    -> DATE_SUB(day_walked, INTERVAL ROW_NUMBER() OVER(ORDER BY day_walked ASC) DAY) AS positional_bound
    -> FROM vw_fav_shoe_stats
    -> WHERE burned_calories > 350) AS t
    -> GROUP BY t.positional_bound
    -> ORDER BY 1;
+--------------------+--------------------+--------------+
| MIN(t.day_of_walk) | MAX(t.day_of_walk) | num_of_hikes |
+--------------------+--------------------+--------------+
| 2018-06-03         | 2018-06-04         |            2 |
| 2018-06-06         | 2018-06-07         |            2 |
| 2018-06-24         | 2018-06-26         |            3 |
| 2018-07-06         | 2018-07-06         |            1 |
| 2018-07-08         | 2018-07-08         |            1 |
| 2018-07-11         | 2018-07-11         |            1 |
| 2018-07-15         | 2018-07-16         |            2 |
| 2018-07-18         | 2018-07-18         |            1 |
| 2018-07-22         | 2018-07-22         |            1 |
| 2018-07-24         | 2018-07-25         |            2 |
| 2018-07-27         | 2018-07-27         |            1 |
| 2018-07-30         | 2018-07-31         |            2 |
| 2018-08-06         | 2018-08-06         |            1 |
+--------------------+--------------------+--------------+
13 rows in set (0.12 sec)

Resource terkait ClusterControl untuk MySQL MySQL pada tahun 2018:Apa yang ada di 8.0 dan Observasi Lainnya Pembandingan Performa MySQL:MySQL 5.7 vs MySQL 8.0

Pada dasarnya, saya telah membungkus kumpulan hasil yang disediakan dari kueri analitik itu, dalam bentuk Tabel Turunan, dan menanyakannya untuk:tanggal mulai dan berakhir, hitungan dari apa yang saya beri label num_of_hikes, lalu dikelompokkan pada kolom positional_bound, yang pada akhirnya menyediakan kumpulan grup hari berturut-turut di mana saya membakar lebih dari 350 kalori.

Anda dapat melihat pada rentang tanggal 24-06-2018 hingga 26-06-2018, menghasilkan 3 hari berturut-turut memenuhi kriteria pembakaran kalori 350 dalam klausa WHERE.

Tidak terlalu buruk jika saya tidak mengatakannya sendiri, tapi pasti rekor yang ingin saya coba dan terbaik!

Kesimpulan

Fungsi jendela ada di dunia dan liga mereka sendiri. Saya bahkan belum menggores permukaannya, hanya menutupi 3 di antaranya dalam 'tingkat tinggi ' pengantar dan mungkin, pengertian sepele. Namun, mudah-mudahan, melalui pos ini, Anda menemukan bahwa Anda dapat meminta data yang cukup menarik dan berpotensi berwawasan luas dengan 'minimal ' menggunakannya.

Terima kasih telah membaca.