Τι είναι window functions;

Question

Accepted Answer

**Window functions** εκτελούν υπολογισμούς σε ένα σύνολο γραμμών (ένα «παράθυρο») **που σχετίζονται με την τρέχουσα γραμμή**, *χωρίς να τις καταρρέουν σε μια μόνο γραμμή εξόδου* (σε αντίθεση με τα aggregates με `GROUP BY`). Επιτρέπουν ισχυρές αναλύσεις — running totals, rankings, συγκρίσεις με άλλες γραμμές — ενώ διατηρούν κάθε γραμμή στο αποτέλεσμα.

## Η βασική διαφορά από 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 functions

```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;
```

Η `OVER (...)` clause ορίζει το παράθυρο. **`PARTITION BY`** διαιρεί τις γραμμές σε ομάδες (όπως GROUP BY, αλλά ανά γραμμή), και **`ORDER BY`** διατάσσει τις γραμμές σε κάθε partition. `ROW_NUMBER`/`RANK`/`DENSE_RANK` εκχωρούν rankings.

## Aggregate window functions (running totals, per-group aggregates)

```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;
```

Τα aggregates ως window functions υπολογίζουν running totals, moving averages, ή per-partition aggregates ενώ διατηρούν κάθε γραμμή — κάτι αδύνατο με GROUP BY μόνο.

## LAG/LEAD — σύγκριση με άλλες γραμμές

```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`** έχουν πρόσβαση σε τιμές από προηγούμενες/επόμενες γραμμές — ιδανικά για period-over-period συγκρίσεις (month-over-month growth, κλπ.).

## Γιατί έχει σημασία

Οι window functions είναι μια ισχυρή, προχωρημένη SQL δυνατότητα απαραίτητη για **analytical queries**, και η κατανόησή τους είναι πολύτιμη γνώση senior-level για data analysis, reporting, και περίπλοκα queries.

Η καθοριστική ικανότητά τους — εκτέλεση υπολογισμών σε σχετικές γραμμές **ενώ διατηρούν κάθε γραμμή** (σε αντίθεση με GROUP BY, που καταρρέει γραμμές) — ενεργοποιεί ολόκληρη μια κατηγορία αναλύσεων που είναι δύσκολη ή αδύνατη αλλιώς: **rankings** (`ROW_NUMBER`/`RANK`/`DENSE_RANK` — εύρεση top N ανά ομάδα, εκχώρηση ranks), **running totals και moving averages** (cumulative sums, per-partition aggregates εμφανιζόμενα δίπλα σε κάθε γραμμή), και **row-to-row συγκρίσεις** (`LAG`/`LEAD` για period-over-period analysis όπως month-over-month growth).

Αυτές είναι συνηθισμένες, πολύτιμες analytical ανάγκες (leaderboards, cumulative metrics, trend analysis, σύγκριση κάθε γραμμής με τον μέσο όρο της ομάδας της) που οι window functions χειρίζονται κομψά σε ένα μόνο query, όπου το παλιό SQL απαιτούσε περίπλοκα self-joins ή subqueries.

Η κατανόηση της `OVER (PARTITION BY ... ORDER BY ...)` σύνταξης (ορισμός του παραθύρου), των ranking functions, των aggregate window functions (running totals, per-partition aggregates), και `LAG`/`LEAD` (πρόσβαση σε άλλες γραμμές) καλύπτει το ισχυρό analytical toolkit.

Αφού η ανάλυση δεδομένων και η sophisticated reporting είναι σημαντικές χρήσεις του SQL, και αφού οι window functions είναι ο σύγχρονος, ισχυρός τρόπος να εκφράσουμε rankings, running calculations, και row comparisons (σημαντικά πιο ικανές και κομψές από τις εναλλακτικές), η κατάκτηση των window functions είναι πολύτιμη, συχνά εφαρμόσιμη γνώση για analytical SQL που διακρίνει developers που μπορούν να γράψουν sophisticated data queries — ένα χαρακτηριστικό advanced SQL skill και ένα συνηθισμένο θέμα σε data-focused ρόλους και συνεντεύξεις.