Was sind Fensterfunktionen?

Question

Accepted Answer

**Fensterfunktionen** führen Berechnungen über einen Satz von Zeilen (ein "Fenster") **bezogen auf die aktuelle Zeile** aus, *ohne sie in eine einzelne Ausgabezeile zusammenzufassen* (anders als Aggregate mit `GROUP BY`). Sie ermöglichen leistungsstarke Analysen — laufende Summen, Rankings, Vergleiche mit anderen Zeilen — während jede Zeile im Ergebnis erhalten bleibt.

## Der Hauptunterschied zu GROUP BY

```text
GROUP BY      → collapses groups into ONE row each (you lose individual rows)
Window function → computes across related rows but KEEPS every row
→ You get per-row detail AND aggregate/ranking info together.
```

## Ranking-Funktionen

```sql
SELECT
  name, department, salary,
  ROW_NUMBER() OVER (ORDER BY salary DESC) AS overall_rank,     -- unique sequential rank
  RANK()       OVER (PARTITION BY department ORDER BY salary DESC) AS dept_rank,  -- rank within dept
  DENSE_RANK() OVER (PARTITION BY department ORDER BY salary DESC) AS dense_rank
FROM employees;
```

Die `OVER (...)`-Klausel definiert das Fenster. **`PARTITION BY`** teilt Zeilen in Gruppen auf (wie GROUP BY, aber pro Zeile), und **`ORDER BY`** ordnet innerhalb jeder Partition. `ROW_NUMBER`/`RANK`/`DENSE_RANK` weisen Rankings zu.

## Aggregat-Fensterfunktionen (laufende Summen, Aggregate pro Gruppe)

```sql
SELECT
  date, amount,
  SUM(amount) OVER (ORDER BY date) AS running_total,            -- cumulative sum
  AVG(amount) OVER (PARTITION BY category) AS category_avg,      -- avg per category, kept per row
  amount - AVG(amount) OVER (PARTITION BY category) AS diff_from_avg
FROM transactions;
```

Aggregate als Fensterfunktionen berechnen laufende Summen, gleitende Durchschnitte oder Aggregate pro Partition, während jede Zeile erhalten bleibt — unmöglich mit GROUP BY allein.

## LAG/LEAD — Vergleich mit anderen Zeilen

```sql
SELECT
  month, revenue,
  LAG(revenue) OVER (ORDER BY month) AS prev_month,             -- the previous row's value
  revenue - LAG(revenue) OVER (ORDER BY month) AS growth,        -- month-over-month change
  LEAD(revenue) OVER (ORDER BY month) AS next_month
FROM monthly_revenue;
```

**`LAG`/`LEAD`** greifen auf Werte aus vorherigen/nächsten Zeilen zu — perfekt für Vergleiche zwischen Perioden (Wachstum von Monat zu Monat, usw.).

## Warum es wichtig ist

Fensterfunktionen sind ein leistungsstarkes, fortgeschrittenes SQL-Feature, das für **analytische Abfragen** unerlässlich ist, und das Verständnis dafür ist wertvolles Wissen auf Senior-Level für Datenanalyse, Reporting und komplexe Abfragen.

Ihre definierende Fähigkeit — Berechnungen über verwandte Zeilen durchführen **während jede Zeile erhalten bleibt** (anders als GROUP BY, das Zeilen zusammenfasst) — ermöglicht eine ganze Klasse von Analysen, die sonst schwierig oder unmöglich sind: **Rankings** (`ROW_NUMBER`/`RANK`/`DENSE_RANK` — Top N pro Gruppe finden, Rankings zuweisen), **laufende Summen und gleitende Durchschnitte** (kumulative Summen, Aggregate pro Partition neben jeder Zeile angezeigt), und **Zeile-zu-Zeile-Vergleiche** (`LAG`/`LEAD` für Vergleiche zwischen Perioden wie Monat-zu-Monat-Wachstum).

Dies sind häufige, wertvolle analytische Anforderungen (Ranglisten, kumulative Metriken, Trendanalyse, Vergleich jeder Zeile mit dem Durchschnitt ihrer Gruppe), die Fensterfunktionen elegant in einer einzigen Abfrage handhaben, wo SQL vor Fensterfunktionen komplexe Self-Joins oder Subqueries erforderte.

Das Verständnis der `OVER (PARTITION BY ... ORDER BY ...)`-Syntax (Definition des Fensters), der Ranking-Funktionen, von Aggregat-Fensterfunktionen (laufende Summen, Aggregate pro Partition) und `LAG`/`LEAD` (Zugriff auf andere Zeilen) umfasst das leistungsstarke analytische Toolkit.

Da Datenanalyse und ausgefeiltes Reporting wichtige Verwendungen von SQL sind und da Fensterfunktionen die moderne, leistungsstarke Möglichkeit sind, Rankings, laufende Berechnungen und Zeilenvergleiche auszudrücken (erheblich leistungsfähiger und eleganter als Alternativen), ist die Beherrschung von Fensterfunktionen wertvoll, häufig angewendetes Wissen für analytisches SQL, das Entwickler auszeichnet, die ausgefeilte Datenabfragen schreiben können — ein Kennzeichen fortgeschrittener SQL-Fähigkeiten und ein häufiges Thema in datengesteuerten Rollen und Interviews.