Window functions என்றால் என்ன?

Question

Accepted Answer

**Window functions** **தற்போதைய row உடன் தொடர்புடைய** ஒரு தொகுப்பு rows (ஒரு "window") முழுவதும் கணக்கீடுகளைச் செய்கின்றன, *அவற்றை ஒற்றை வெளியீட்டு row ஆகச் சுருக்காமல்* (`GROUP BY` உடன் aggregates போல அல்லாமல்). அவை சக்திவாய்ந்த analytics ஐ செயல்படுத்துகின்றன — running totals, rankings, பிற rows உடன் ஒப்பீடுகள் — அதே நேரத்தில் ஒவ்வொரு row ஐயும் முடிவில் வைத்திருக்கின்றன.

## GROUP BY இலிருந்து முக்கிய வேறுபாடு

```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 ஐ வரையறுக்கிறது. **`PARTITION BY`** rows ஐ குழுக்களாகப் பிரிக்கிறது (GROUP BY போல, ஆனால் per-row), மற்றும் **`ORDER BY`** ஒவ்வொரு partition க்குள்ளும் வரிசைப்படுத்துகிறது. `ROW_NUMBER`/`RANK`/`DENSE_RANK` rankings ஐ ஒதுக்குகின்றன.

## 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 ஆக aggregates running totals, moving averages, அல்லது per-partition aggregates ஐக் கணக்கிடுகின்றன, அதே நேரத்தில் ஒவ்வொரு row ஐயும் வைத்திருக்கின்றன — GROUP BY மட்டும் கொண்டு சாத்தியமற்றது.

## LAG/LEAD — பிற rows உடன் ஒப்பிடுதல்

```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`** முந்தைய/அடுத்த rows இலிருந்து மதிப்புகளை அணுகுகின்றன — period-over-period ஒப்பீடுகளுக்கு (month-over-month growth போன்றவை) சரியானவை.

## இது ஏன் முக்கியம்

Window functions **analytical queries** க்கு இன்றியமையாத ஒரு சக்திவாய்ந்த, மேம்பட்ட SQL அம்சமாகும், மற்றும் அவற்றைப் புரிந்துகொள்வது தரவு பகுப்பாய்வு, reporting, மற்றும் சிக்கலான querying க்கு மதிப்புமிக்க senior-நிலை அறிவாகும்.

அவற்றின் வரையறுக்கும் திறன் — **ஒவ்வொரு row ஐயும் வைத்திருந்தபடியே** தொடர்புடைய rows முழுவதும் கணக்கீடுகளைச் செய்தல் (rows ஐச் சுருக்கும் GROUP BY போல அல்லாமல்) — இல்லையெனில் கடினமான அல்லது சாத்தியமற்ற ஒரு முழு வகை analytics ஐ செயல்படுத்துகிறது: **rankings** (`ROW_NUMBER`/`RANK`/`DENSE_RANK` — ஒரு குழுவில் top N ஐக் கண்டறிதல், ranks ஐ ஒதுக்குதல்), **running totals மற்றும் moving averages** (cumulative sums, ஒவ்வொரு row உடன் காட்டப்படும் per-partition aggregates), மற்றும் **row-to-row ஒப்பீடுகள்** (`LAG`/`LEAD` மூலம் period-over-period பகுப்பாய்வு, month-over-month growth போன்றது).

இவை பொதுவான, மதிப்புமிக்க analytical தேவைகள் (leaderboards, cumulative metrics, trend பகுப்பாய்வு, ஒவ்வொரு row ஐயும் அதன் குழுவின் சராசரியுடன் ஒப்பிடுதல்) ஆகும், இவற்றை window functions ஒற்றை query இல் நேர்த்தியாகக் கையாளுகின்றன, அங்கு window functions க்கு முந்தைய SQL சிக்கலான self-joins அல்லது subqueries தேவைப்பட்டது.

`OVER (PARTITION BY ... ORDER BY ...)` syntax (window ஐ வரையறுத்தல்), ranking functions, aggregate window functions (running totals, per-partition aggregates), மற்றும் `LAG`/`LEAD` (பிற rows ஐ அணுகுதல்) ஐப் புரிந்துகொள்வது சக்திவாய்ந்த analytical கருவித்தொகுப்பை உள்ளடக்குகிறது.

தரவு பகுப்பாய்வு மற்றும் நுட்பமான reporting SQL இன் முக்கியமான பயன்பாடுகளாக இருப்பதால், மற்றும் window functions rankings, running கணக்கீடுகள், மற்றும் row ஒப்பீடுகளை வெளிப்படுத்தும் நவீன, சக்திவாய்ந்த வழியாக இருப்பதால் (மாற்றுகளை விட கணிசமாக திறன்மிக்க மற்றும் நேர்த்தியான), window functions ஐ தேர்ச்சி பெறுவது நுட்பமான தரவு queries எழுத முடியும் developers ஐ வேறுபடுத்தும் analytical SQL க்கான மதிப்புமிக்க, அடிக்கடி பயன்படுத்தப்படும் அறிவாகும் — மேம்பட்ட SQL திறமையின் ஒரு அடையாளம் மற்றும் தரவு-மையமான பணிகள் மற்றும் நேர்காணல்களில் ஒரு பொதுவான தலைப்பு.