137肉体写真日本裸交,偷拍区清纯另类丝袜美腿,中文字幕美熟少妇

OVER窗口（OVER Window）是傳統數據庫的標準開窗，不同于Group By Window，OVER窗口中每1個元素都對應1個窗口。OVER窗口可以按照實際元素的行或實際的元素值（時間戳值）確定窗口，因此流數據元素可能分布在多個窗口中。

在應用OVER窗口的流式數據中，每1個元素都對應1個OVER窗口。每1個元素都觸發1次數據計算，每個觸發計算的元素所確定的行，都是該元素所在窗口的最后1行。在實時計算的底層實現中，OVER窗口的數據進行全局統一管理（數據只存儲1份），邏輯上為每1個元素維護1個OVER窗口，為每1個元素進行窗口計算，完成計算后會清除過期的數據。詳情請參見Over Aggregation。

語法

SELECT
    agg1(col1) OVER (definition1) AS colName,
    ...
    aggN(colN) OVER (definition1) AS colNameN
FROM Tab1;

agg1(col1)：按照GROUP BY指定col1列對輸入數據進行聚合計算。
OVER (definition1)：OVER窗口定義。
AS colName：別名。

說明

agg1到aggN所對應的OVER definition1必須相同。
外層SQL可以通過AS的別名查詢數據。

類型

Flink SQL中對OVER窗口的定義遵循標準SQL的定義語法，傳統OVER窗口沒有對其進行更細粒度的窗口類型命名劃分。按照計算行的定義方式，OVER Window可以分為以下兩類：

ROWS OVER Window：每1行元素都被視為新的計算行，即每1行都是一個新的窗口。
RANGE OVER Window：具有相同時間值的所有元素行視為同一計算行，即具有相同時間值的所有行都是同一個窗口。

屬性


正交屬性	說明	proctime	eventtime
ROWS OVER Window	按照實際元素的行確定窗口。	支持	支持
RANGE OVER Window	按照實際的元素值（時間戳值）確定窗口。	支持	支持

Rows OVER Window語義

窗口數據
ROWS OVER Window的每個元素都確定一個窗口。

窗口語法

SELECT
    agg1(col1) OVER(
     [PARTITION BY (value_expression1,..., value_expressionN)]
     ORDER BY timeCol
     ROWS 
     BETWEEN (UNBOUNDED | rowCount) PRECEDING AND CURRENT ROW) AS colName, ...
FROM Tab1;

value_expression：分區值表達式。
timeCol：元素排序的時間字段。
rowCount：定義根據當前行開始向前追溯幾行元素。

案例

以Bounded ROWS OVER Window場景為例。假設，一張商品上架表，包含有商品ID、商品類型、商品上架時間、商品價格數據。要求輸出在當前商品上架之前同類的3個商品中的最高價格。

測試數據


商品ID	商品類型	上架時間	銷售價格
ITEM001	Electronic	`2017-11-11 10:01:00`	20
ITEM002	Electronic	`2017-11-11 10:02:00`	50
ITEM003	Electronic	`2017-11-11 10:03:00`	30
ITEM004	Electronic	`2017-11-11 10:03:00`	60
ITEM005	Electronic	`2017-11-11 10:05:00`	40
ITEM006	Electronic	`2017-11-11 10:06:00`	20
ITEM007	Electronic	`2017-11-11 10:07:00`	70
ITEM008	Clothes	`2017-11-11 10:08:00`	20

測試代碼

CREATE TEMPORARY TABLE tmall_item(
  itemID VARCHAR,
  itemType VARCHAR,
  eventtime varchar,                            
  onSellTime AS TO_TIMESTAMP(eventtime),
  price DOUBLE,
  WATERMARK FOR onSellTime AS onSellTime - INTERVAL '0' SECOND  --為Rowtime定義Watermark。
) WITH (
  'connector' = 'sls',
   ...
);

SELECT
    itemID,
    itemType,
    onSellTime,
    price,  
    MAX(price) OVER (
        PARTITION BY itemType 
        ORDER BY onSellTime 
        ROWS BETWEEN 2 preceding AND CURRENT ROW) AS maxPrice
FROM tmall_item;

測試結果


itemID	itemType	onSellTime	price	maxPrice
ITEM001	Electronic	`2017-11-11 10:01:00`	20	20
ITEM002	Electronic	`2017-11-11 10:02:00`	50	50
ITEM003	Electronic	`2017-11-11 10:03:00`	30	50
ITEM004	Electronic	`2017-11-11 10:03:00`	60	60
ITEM005	Electronic	`2017-11-11 10:05:00`	40	60
ITEM006	Electronic	`2017-11-11 10:06:00`	20	60
ITEM007	Electronic	`2017-11-11 10:07:00`	70	70
ITEM008	Clothes	`2017-11-11 10:08:00`	20	20

RANGE OVER Window語義

窗口數據
RANGE OVER Window所有具有共同元素值（元素時間戳）的元素行確定一個窗口。