本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
# WINDOW 子句 (滑动窗口)
滑动窗口式查询的 `WINDOW` 子句指定一些行，将跨与当前行相关的一组行针对这些行计算分析函数。这些聚合函数生成一个输出行，该行按每个输入行的一个或多个列中的键进行聚合。查询中的 `WINDOW` 子句指定流中按时间范围间隔或行数分区的记录，以及由 `PARTITION BY` 子句指定的一组额外的可选列。您可以定义指定的或内联的窗口规范，这些规范可在分析函数和流式 `JOIN` 子句中使用。有关分析函数的更多信息，请参阅[分析函数](sql-reference-analytic-functions.md)。
对 `OVER` 子句中指定的每个列执行滑动窗口查询中的聚合函数。`OVER` 子句可以引用指定的窗口规范，也可以作为数据泵的 `SELECT` 语句的一部分内联。以下示例说明如何使用 `OVER` 子句引用指定的窗口规范并在 `SELECT` 语句中内联使用。
## 语法
```
[WINDOW window_name AS
(
{PARTITION BY partition_name
RANGE INTERVAL 'interval' {SECOND | MINUTE | HOUR} PRECEDING |
ROWS number PRECEDING
, …}
)
```
## OVER 子句
以下示例说明如何使用 `OVER` 子句引用指定的窗口规范。
**示例 1：引用指定的窗口规范的 OVER**
以下示例显示的是引用了名为 W1 的窗口规范的聚合函数。在此示例中，基于 `W1` 窗口规范所指定的记录集来计算平均价格。要了解有关如何将 OVER 子句与窗口规范结合使用的更多信息，请参阅[示例](#sql-reference-window-clause-examples)。
```
AVG(price) OVER W1 AS avg_price
```
**示例 2：引用内联窗口规范的 OVER**
以下示例显示的是引用了内联窗口规范的聚合函数。在此示例中，基于每个输入行与内联窗口规范来计算平均价格。要了解有关如何将 OVER 子句与窗口规范结合使用的更多信息，请参阅[示例](#sql-reference-window-clause-examples)。
```
AVG(price) OVER (
PARTITION BY ticker_symbol
RANGE INTERVAL '1' HOUR PRECEDING) AS avg_price
```
有关聚合函数和 OVER 子句的更多信息，请参阅[聚合函数](sql-reference-aggregate-functions.md)。
## 参数
*window-name*
指定可从 OVER 子句或后续窗口定义引用的唯一名称。此名称在分析函数和流式 `JOIN` 子句中使用。有关分析函数的更多信息，请参阅[分析函数](sql-reference-analytic-functions.md)。
AS
为 `WINDOW` 子句定义指定的窗口规范。
PARTITION BY *partition-name*
将行划分到共享相同值的组中。在对行进行划分后，窗口函数将计算当前行所在划分中的所有行。
RANGE INTERVAL *'interval'* \$1SECOND \$1 MINUTE \$1 HOUR\$1 PRECEDING
根据时间范围间隔指定窗口边界。窗口函数将计算具有与当前行相同的时间间隔的所有行。
ROWS *number* PRECEDING
根据行数指定窗口边界。窗口函数将计算在相同行数内的所有行。
## 示例
### 示例数据集
以下示例基于样本股票数据集，后者是 *Amazon Kinesis Analytics 开发人员指南*中的[入门](https://docs.aws.amazon.com/kinesisanalytics/latest/dev/get-started-exercise.html)的一部分。要运行每个示例，您需要一个具有样本股票代码输入流的 Amazon Kinesis Analytics 应用程序。要了解如何创建 Analytics 应用程序和配置样本股票代码输入流，请参阅 *Amazon Kinesis Analytics 开发人员指南*中的[入门](https://docs.aws.amazon.com/kinesisanalytics/latest/dev/get-started-exercise.html)。有关其他示例，请参阅[滑动窗口](https://docs.aws.amazon.com/kinesisanalytics/latest/dev/sliding-window-concepts.html)。
具有以下架构的示例股票数据集。
```
(ticker_symbol VARCHAR(4),
sector VARCHAR(16),
change REAL,
price REAL)
```
### 示例 1：引用了指定的窗口规范的基于时间的滑动窗口
此示例定义了一个指定的窗口规范，其分区边界为当前行前一分钟。数据泵的 `OVER` 语句的 `SELECT` 子句引用指定的窗口规范。
```
WINDOW W1 AS (
PARTITION BY ticker_symbol
RANGE INTERVAL '1' MINUTE PRECEDING);
```
要运行此示例，请创建股票示例应用程序，并运行和保存以下 SQL 代码。
```
CREATE OR REPLACE STREAM "DESTINATION_SQL_STREAM" (
ticker_symbol VARCHAR(4),
min_price DOUBLE,
max_price DOUBLE,
avg_price DOUBLE);
CREATE OR REPLACE PUMP "STREAM_PUMP" AS
INSERT INTO "DESTINATION_SQL_STREAM"
SELECT STREAM ticker_symbol,
MIN(price) OVER W1 AS min_price,
MAX(price) OVER W1 AS max_price,
AVG(price) OVER W1 AS avg_price
FROM "SOURCE_SQL_STREAM_001"
WINDOW W1 AS (
PARTITION BY ticker_symbol
RANGE INTERVAL '1' MINUTE PRECEDING);
```
上一示例输出的流与以下内容类似。
![\[Table showing stock data with columns for rowtime, ticker symbol, and price information.\]](http://docs.aws.amazon.com/zh_cn/kinesisanalytics/latest/sqlref/images/sql-reference-analytic-functions-example-1.png)
### 示例 2：引用了指定的窗口规范的基于行的滑动窗口
此示例定义了一个指定的窗口规范，其分区边界为当前行前两到十行。数据泵的 `OVER` 语句的 `SELECT` 子句引用指定的窗口规范。
```
WINDOW
last2rows AS (PARTITION BY ticker_symbol ROWS 2 PRECEDING),
last10rows AS (PARTITION BY ticker_symbol ROWS 10 PRECEDING);
```
要运行此示例，请创建股票示例应用程序，并运行和保存以下 SQL 代码。
```
CREATE OR REPLACE STREAM "DESTINATION_SQL_STREAM" (
ticker_symbol VARCHAR(4),
price DOUBLE,
avg_last2rows DOUBLE,
avg_Last10rows DOUBLE);
CREATE OR REPLACE PUMP "myPump" AS INSERT INTO "DESTINATION_SQL_STREAM"
SELECT STREAM ticker_symbol,
price,
AVG(price) OVER last2rows,
AVG(price) OVER last10rows
FROM SOURCE_SQL_STREAM_001
WINDOW
last2rows AS (PARTITION BY ticker_symbol ROWS 2 PRECEDING),
last10rows AS (PARTITION BY ticker_symbol ROWS 10 PRECEDING);
```
上一示例输出的流与以下内容类似。
![\[Table showing stock ticker symbols, prices, and average values for multiple rows.\]](http://docs.aws.amazon.com/zh_cn/kinesisanalytics/latest/sqlref/images/sql-reference-analytic-functions-example-2.png)
### 示例 3：带内联窗口规范的基于时间的滑动窗口
此示例定义了一个内联窗口规范，其分区边界为当前行前一分钟。数据泵的 `OVER` 语句的 `SELECT` 子句使用内联窗口规范。
要运行此示例，请创建股票示例应用程序，并运行和保存以下 SQL 代码。
```
CREATE OR REPLACE STREAM "DESTINATION_SQL_STREAM" (
ticker_symbol VARCHAR(4),
price DOUBLE,
avg_price DOUBLE);
CREATE OR REPLACE PUMP "STREAM_PUMP" AS
INSERT INTO "DESTINATION_SQL_STREAM"
SELECT STREAM ticker_symbol, price,
AVG(Price) OVER (
PARTITION BY ticker_symbol
RANGE INTERVAL '1' HOUR PRECEDING) AS avg_price
FROM "SOURCE_SQL_STREAM_001"
```
上一示例输出的流与以下内容类似。
![\[Table showing stock data with columns for timestamp, ticker symbol, price, and average price.\]](http://docs.aws.amazon.com/zh_cn/kinesisanalytics/latest/sqlref/images/sql-reference-analytic-functions-example-3.png)
## 使用说明
###
对于 WINDOW 子句和终端节点，Amazon Kinesis Analytics SQL 在某个范围内遵循窗口的 SQL-2008 标准。
要包括 1 小时的终端节点，您可以使用以下窗口语法。
```
WINDOW HOUR AS (RANGE INTERVAL '1' HOUR PRECEDING)
```
要排除上一个小时的终端节点，您可以使用以下窗口语法。
```
WINDOW HOUR AS (RANGE INTERVAL '59:59.999' MINUTE TO SECOND(3) PRECEDING);
```
有关更多信息，请参阅 [允许和不允许的窗口规范](sql-reference-allowed-disallowed-window.md)。
## 相关主题
+ 《Kinesis 开发人员指南》中的[滑动窗口](https://docs.aws.amazon.com/kinesisanalytics/latest/dev/sliding-window-concepts.html)
+ [聚合函数](sql-reference-aggregate-functions.md)
+ [SELECT 语句](sql-reference-select.md)
+ [CREATE STREAM](sql-reference-create-stream.md) statement
+ [CREATE PUMP](sql-reference-create-pump.md) statement
# 允许和不允许的窗口规范
Amazon Kinesis Data Analytics 支持几乎所有以当前行结尾的窗口。
您不能定义无限窗口、负数大小的窗口，也不能在窗口规范中使用负整数。目前不支持偏移窗口。
+ 无限窗口是指没有边界的窗口。通常指向未来，对于流来说是无限的。例如，不支持“ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING”，因为在流上下文中，此类查询不会生成结果，因为流会随着新数据的到达而不断扩展。不支持 UNBOUNDED FOLLOWING 的所有用法。
+ 负数窗口。例如，“ROWS BETWEEN 0 PRECEDING AND 4 PRECEDING”是一个大小为负数的窗口，因此是非法的。在这种情况下，您可以改用“ROWS BETWEEN 4 PRECEDING AND 0 PRECEDING”。
+ 偏移窗口是指不以 CURRENT ROW 结尾的窗口。当前版本不支持此类窗口。例如，不支持“ROWS BETWEEN UNBOUNDED PRECEDING AND 4 FOLLOWING”。（窗口跨越 CURRENT ROW，而不是从其开始或结束。）
+ 用负整数定义的窗口。例如，“ROWS BETWEEN -4 PRECEDING AND CURRENT ROW”无效，因为不允许使用负整数。
此外，... 0 PRECEDING (and ... 0 FOLLOWING) 不能用于窗口式聚合，但可以使用同义词 CURRENT ROW。
对于窗口式聚合，允许使用分区式窗口，但不得存在 ORDER BY。
对于窗口式联接，不允许使用分区式窗口，但是如果按其中一个输入的 ROWTIME 列排序，则可以存在 ORDER BY。
# 窗口示例
以下示例显示了样本输入数据集、多个窗口的定义以及这些窗口在 10:00 之后的不同时间（在本示例中，是数据开始到达的时间）的内容。
窗口的定义如下：
```
SELECT STREAM
ticker,
sum(amount) OVER lastHour,
count(*) OVER lastHour
sum(amount) OVER lastThree
FROM Trades
WINDOW
lastHour AS (RANGE INTERVAL '1' HOUR PRECEDING),
lastThree AS (ROWS 3 PRECEDING),
lastZeroRows AS (ROWS CURRENT ROW),
lastZeroSeconds AS (RANGE CURRENT ROW),
lastTwoSameTicker AS (PARTITION BY ticker ROWS 2 PRECEDING),
lastHourSameTicker AS (PARTITION BY ticker RANGE INTERVAL '1' HOUR PRECEDING)
```
## 第一个示例：基于时间的窗口与基于行的窗口
如下图右侧所示，基于时间的 lastHour 窗口包含不同数量的行，因为窗口成员资格是由时间范围定义的。
![\[Time-based window examples showing ROWTIME, ticker, and amount columns with varying row counts.\]](http://docs.aws.amazon.com/zh_cn/kinesisanalytics/latest/sqlref/images/window-examples.png)
## 包含行的窗口的示例
基于行的 lastThree 窗口通常包含四行：前三行和当前行。但是，对于行 10:10 IBM，它只包含两行，因为 10:00 之前没有数据。
基于行的窗口可以包含多行，这些行的 ROWTIME 值相同，尽管它们到达的时间不同（挂钟时间）。此类行在基于行的窗口中的顺序取决于其到达时间；实际上，行的到达时间可以决定哪个窗口包含该行。
例如，图 1 中间的 lastThree 窗口显示了 YHOO 交易在 ROWTIME 为 11:15 时到达（及其之前的最后三笔交易）。但是，此窗口不包括下一笔交易，即 IBM，其 ROWTIME 也是 11:15，但必须晚于 YHOO 交易到达。此 11:15 IBM 交易包含在“下一个”窗口中，其前身 11:15 YHOO 交易也是如此。
第二个示例：基于行和基于时间的零宽度窗口
图 2：零宽度窗口的示例显示了宽度为零的基于行和基于时间的窗口。基于行的窗口仅 lastZeroRows 包含当前行，因此始终只包含一行。请注意，ROWS CURRENT ROW 等同于 ROWS 0 PRECEDING。
基于时间的窗口 lastZeroSeconds 包含具有相同时间戳的所有行，其中可能有几行。请注意，RANGE CURRENT ROW 等同于 RANGE INTERVAL '0' SECOND PRECEDING。
![\[Examples of zero-width windows showing ROWTIME, ticker, and amount columns with time-based data.\]](http://docs.aws.amazon.com/zh_cn/kinesisanalytics/latest/sqlref/images/window-examples2.png)
## 第三个示例：分区适用于基于行和基于时间的窗口
图 3 显示的窗口与图 1 中的窗口类似，但带有 PARTITION BY 子句。对于基于时间的窗口 lastTwoSame Ticker 和基于行的窗口 lastHourSame Ticker，该窗口包含符合窗口条件且与股票行情列值相同的行。注意：分区是在窗口之前计算的。
![\[Table showing partitioned windows with ROWTIME, ticker, and amount columns for stock data.\]](http://docs.aws.amazon.com/zh_cn/kinesisanalytics/latest/sqlref/images/window-examples3.png)