为什么在查询中添加 order by 会更改聚合值？答案

【问题标题】：why adding order by in the query changes the aggregate value?为什么在查询中添加 order by 会更改聚合值？
【发布时间】：2021-12-22 13:34:26
【问题描述】：

以下vertica 示例来自https://www.vertica.com/docs/11.0.x/HTML/Content/Authoring/AnalyzingData/SQLAnalytics/AnalyticFunctionsVersusAggregateFunctions.htm?tocpath=Analyzing%20Data%7CSQL%20Analytics%7C_____2

CREATE TABLE employees(emp_no INT, dept_no INT);
INSERT INTO employees VALUES(1, 10);
INSERT INTO employees VALUES(2, 30);
INSERT INTO employees VALUES(3, 30);
INSERT INTO employees VALUES(4, 10);
INSERT INTO employees VALUES(5, 30);
INSERT INTO employees VALUES(6, 20);
INSERT INTO employees VALUES(7, 20);
INSERT INTO employees VALUES(8, 20);
INSERT INTO employees VALUES(9, 20);
INSERT INTO employees VALUES(10, 20);
INSERT INTO employees VALUES(11, 20);
COMMIT;

如果我在没有 order by 的情况下运行此查询，我会得到所有行的相同计数值

dbadmin@b006bc38a718(*)=> 
select 
  emp_no
, dept_not
, count(*) over (partition by dept_not) as emp_count 
from employees;

 emp_no | dept_not | emp_count
--------+----------+-----------
      6 |       20 |         6
      7 |       20 |         6
      8 |       20 |         6
      9 |       20 |         6
     10 |       20 |         6
     11 |       20 |         6
      1 |       10 |         2
      4 |       10 |         2
      2 |       30 |         3
      3 |       30 |         3
      5 |       30 |         3
(11 rows)

但如果我添加order by，我会获得增量价值

dbadmin@b006bc38a718(*)=> 
select 
  emp_no
, dept_not
, count(*) over (partition by dept_not order by emp_no) as emp_count 
from employees;

 emp_no | dept_not | emp_count
--------+----------+-----------
      2 |       30 |         1
      3 |       30 |         2
      5 |       30 |         3
      1 |       10 |         1
      4 |       10 |         2
      6 |       20 |         1
      7 |       20 |         2
      8 |       20 |         3
      9 |       20 |         4
     10 |       20 |         5
     11 |       20 |         6
(11 rows)

Time: First fetch (11 rows): 85.075 ms. All rows formatted: 85.139 ms

order by 的作用是什么？为什么我会获得增量价值？

【问题讨论】：

标签： vertica

【解决方案1】：

如果window子句只包含PARTITION BY，则返回分区的总和——对于分区的每一行相同的值。

如果窗口子句同时包含PARTITION BY 和ORDER BY，则返回分区内的运行计数。因此，使用ORDER BY 表达式，到目前为止已在分区内计算了多少行。

这正是窗口函数的工作原理。它们为您提供了无限可能...

【讨论】：

好的。虽然提供一种获取运行计数的方法可能很有价值，但我觉得使用短语order by 并不是最好的选择，而且会引起混淆。似乎运行计数是order by 的副作用
和partition by 似乎与group by 相同。想知道为什么不使用短语 group by 而不是 partition by，因为 partition 在 Vertica 中有另一个含义。
是的，Manu - 但是如果您选择SUM(amount) OVER(PARTITION BY iso_ctry ORDER BY sales_dt)，您将获得一段时间内每个国家/地区的销售总和。这实际上很方便......
GROUP BY 每个GROUP BY 列列表组合返回一行，减少行数。 PARTITION BY 返回所有输入行，但可以为分区中的所有行返回相同的结果。这是两个非常不同的用例。
如果我需要每个输入行的输出值，我是否正确使用分析函数而不是聚合函数？

【解决方案2】：

发生这种情况是因为 Vertica 应用了默认的 frame-clause，其定义为：

RANGE UNBOUNDED PRECEDING AND CURRENT ROW

因此，为了获得您想要的结果，您可能需要在 ORDER BY 之后的 OVER() 子句中添加以下框架子句：

ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING

此行为记录为：

如果 OVER 子句省略了指定窗口框架，该函数会创建一个默认窗口，该窗口从当前行扩展到当前分区中的第一行。

Link to doc

【讨论】：