Oracle進階查詢，over 用法

注：标題中的紅色order by是說明在使用該方法的時候必須要帶上order by。

一、rank()/dense_rank() over(partition by …order by …)

現在客戶有這樣一個需求，查詢每個部門工資最高的雇員的資訊，相信有一定oracle應用知識的同學都能寫出下面的SQL語句：

select e.ename, e.job, e.sal, e.deptno  
  from scott.emp e,  
       (select e.deptno, max(e.sal) sal from scott.emp e group by e.deptno) me  
 where e.deptno = me.deptno  
   and e.sal = me.sal;  
           

在滿足客戶需求的同時，大家應該習慣性的思考一下是否還有别的方法。這個是肯定的，就是使用本小節标題中rank() over(partition by…)或dense_rank() over(partition by…)文法，SQL分别如下：

select e.ename, e.job, e.sal, e.deptno  
  from (select e.ename,  
               e.job,  
               e.sal,  
               e.deptno,  
               rank() over(partition by e.deptno order by e.sal desc) rank  
          from scott.emp e) e  
 where e.rank = ;  
           

select e.ename, e.job, e.sal, e.deptno  
  from (select e.ename,  
               e.job,  
               e.sal,  
               e.deptno,  
               dense_rank() over(partition by e.deptno order by e.sal desc) rank  
          from scott.emp e) e  
 where e.rank = ;  
           

為什麼會得出跟上面的語句一樣的結果呢？這裡補充講解一下rank()/dense_rank() over(partition by e.deptno order by e.sal desc)文法。

over: 在什麼條件之上。

partition by e.deptno: 按部門編号劃分（分區）。

order by e.sal desc: 按工資從高到低排序（使用rank()/dense_rank() 時，必須要帶order by否則非法）

rank()/dense_rank(): 分級

整個語句的意思就是：在按部門劃分的基礎上，按工資從高到低對雇員進行分級，“級别”由從小到大的數字表示（最小值一定為1）。

那麼rank()和dense_rank()有什麼差別呢？

rank(): 跳躍排序，如果有兩個第一級時，接下來就是第三級。

dense_rank(): 連續排序，如果有兩個第一級時，接下來仍然是第二級。

小作業：查詢部門最低工資的雇員資訊。

二、min()/max() over(partition by …)

現在我們已經查詢得到了部門最高/最低工資，客戶需求又來了，查詢雇員資訊的同時算出雇員工資與部門最高/最低工資的差額。這個還是比較簡單，在第一節的groupby語句的基礎上進行修改如下：

select e.ename,  
         e.job,  
         e.sal,  
         e.deptno,  
         e.sal - me.min_sal diff_min_sal,  
         me.max_sal - e.sal diff_max_sal  
    from scott.emp e,  
         (select e.deptno, min(e.sal) min_sal, max(e.sal) max_sal  
            from scott.emp e  
           group by e.deptno) me  
   where e.deptno = me.deptno  
   order by e.deptno, e.sal;  
           

上面我們用到了min()和max()，前者求最小值，後者求最大值。如果這兩個方法配合over(partition by …)使用會是什麼效果呢？大家看看下面的SQL語句：

select e.ename,  
       e.job,  
       e.sal,  
       e.deptno,  
       nvl(e.sal - min(e.sal) over(partition by e.deptno), ) diff_min_sal,  
       nvl(max(e.sal) over(partition by e.deptno) - e.sal, ) diff_max_sal  
  from scott.emp e;  
           

這兩個語句的查詢結果是一樣的，大家可以看到min()和max()實際上求的還是最小值和最大值，隻不過是在partition by分區基礎上的。

小作業：如果在本例中加上order by，會得到什麼結果呢？

三、lead()/lag() over(partition by … order by …)

中國人愛攀比，好面子，聞名世界。客戶更是好這一口，在和最高/最低工資比較完之後還覺得不過瘾，這次就提出了一個比較變态的需求，計算個人工資與比自己高一位/低一位工資的差額。這個需求确實讓我很是為難，在groupby語句中不知道應該怎麼去實作。不過。。。。現在我們有了over(partition by …)，一切看起來是那麼的簡單。如下：

select e.ename,  
       e.job,  
       e.sal,  
       e.deptno,  
       lead(e.sal, , ) over(partition by e.deptno order by e.sal) lead_sal,  
       lag(e.sal, , ) over(partition by e.deptno order by e.sal) lag_sal,  
       nvl(lead(e.sal) over(partition by e.deptno order by e.sal) - e.sal,  
           ) diff_lead_sal,  
       nvl(e.sal - lag(e.sal) over(partition by e.deptno order by e.sal), ) diff_lag_sal  
  from scott.emp e;   
           

看了上面的語句後，大家是否也會覺得虛驚一場呢（驚出一身冷汗後突然雞凍起來，這樣容易感冒）？我們還是來講解一下上面用到的兩個新方法吧。

lead(列名,n,m): 目前記錄後面第n行記錄的<列名>的值，沒有則預設值為m；如果不帶參數n,m，則查找目前記錄後面第一行的記錄<列名>的值，沒有則預設值為null。

lag(列名,n,m): 目前記錄前面第n行記錄的<列名>的值，沒有則預設值為m；如果不帶參數n,m，則查找目前記錄前面第一行的記錄<列名>的值，沒有則預設值為null。

下面再列舉一些常用的方法在該文法中的應用（注：帶order by子句的方法說明在使用該方法的時候必須要帶order by）：

select e.ename,  
       e.job,  
       e.sal,  
       e.deptno,  
       first_value(e.sal) over(partition by e.deptno) first_sal,  
       last_value(e.sal) over(partition by e.deptno) last_sal,  
       sum(e.sal) over(partition by e.deptno) sum_sal,  
       avg(e.sal) over(partition by e.deptno) avg_sal,  
       count(e.sal) over(partition by e.deptno) count_num,  
       row_number() over(partition by e.deptno order by e.sal) row_num  
  from scott.emp e;  
           

重要提示：大家在讀完本片文章之後可能會有點誤解，就是OVER (PARTITION BY ..)比GROUP BY更好，實際并非如此，前者不可能替代後者，而且在執行效率上前者也沒有後者高，隻是前者提供了更多的功能而已，是以希望大家在使用中要根據需求情況進行選擇。