Window functions क्या हैं?

Question

Accepted Answer

**Window functions** rows के एक set (एक "window") में **current row से संबंधित** calculations करते हैं, *उन्हें एक single output row में collapse किए बिना* (`GROUP BY` वाले aggregates के विपरीत)। वे powerful analytics सक्षम करते हैं — running totals, rankings, अन्य rows से तुलना — जबकि परिणाम में प्रत्येक row को रखते हैं।

## GROUP BY से मुख्य अंतर

```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;
```

`OVER (...)` clause window को define करता है। **`PARTITION BY`** rows को groups में विभाजित करता है (GROUP BY की तरह, पर per-row), और **`ORDER BY`** प्रत्येक partition के भीतर order करता है। `ROW_NUMBER`/`RANK`/`DENSE_RANK` rankings assign करते हैं।

## 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;
```

Window functions के रूप में aggregates running totals, moving averages, या per-partition aggregates compute करते हैं जबकि प्रत्येक row को रखते हैं — GROUP BY अकेले के साथ असंभव।

## LAG/LEAD — अन्य rows से तुलना करें

```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`** previous/next rows से values access करते हैं — period-over-period तुलनाओं के लिए एकदम सही (month-over-month growth, आदि)।

## यह क्यों महत्वपूर्ण है

Window functions एक powerful, advanced SQL feature हैं जो **analytical queries** के लिए आवश्यक है, और इन्हें समझना data analysis, reporting, और complex querying के लिए मूल्यवान senior-level ज्ञान है।

उनकी परिभाषित क्षमता — related rows में calculations करना **जबकि प्रत्येक row को रखना** (GROUP BY के विपरीत, जो rows को collapse करता है) — analytics के एक पूरे वर्ग को सक्षम करती है जो अन्यथा कठिन या असंभव है: **rankings** (`ROW_NUMBER`/`RANK`/`DENSE_RANK` — per group top N खोजना, ranks assign करना), **running totals और moving averages** (cumulative sums, प्रत्येक row के साथ दिखाए जाने वाले per-partition aggregates), और **row-to-row comparisons** (`LAG`/`LEAD` period-over-period analysis के लिए जैसे month-over-month growth)।

ये common, मूल्यवान analytical आवश्यकताएँ हैं (leaderboards, cumulative metrics, trend analysis, प्रत्येक row की उसके group के average से तुलना) जिन्हें window functions एक ही query में elegantly handle करते हैं, जहाँ pre-window-function SQL को जटिल self-joins या subqueries की आवश्यकता होती थी।

`OVER (PARTITION BY ... ORDER BY ...)` syntax (window को define करना), ranking functions, aggregate window functions (running totals, per-partition aggregates), और `LAG`/`LEAD` (अन्य rows को access करना) को समझना powerful analytical toolkit को cover करता है।

चूंकि data analysis और sophisticated reporting SQL के महत्वपूर्ण उपयोग हैं, और चूंकि window functions rankings, running calculations, और row comparisons को व्यक्त करने का आधुनिक, powerful तरीका है (alternatives की तुलना में काफी अधिक capable और elegant), window functions में महारत हासिल करना analytical SQL के लिए मूल्यवान, बार-बार लागू किया जाने वाला ज्ञान है जो उन developers को अलग करता है जो sophisticated data queries लिख सकते हैं — advanced SQL skill की एक पहचान और data-केंद्रित roles और interviews में एक common topic।