java关闭窗口函数_2016年将是Java终于拥有窗口函数的那一年！

java关闭窗口函数

你没听错。到目前为止，出色的窗口功能是SQL独有的功能。甚至复杂的函数式编程语言似乎仍然缺少这种漂亮的功能（如果我错了，请纠正我，Haskell伙计们）。

我们撰写了许多有关窗口函数的博客文章，并在诸如以下文章中向我们的受众宣讲：

可能最酷SQL功能：窗口函数
使用此整洁的窗口函数技巧来计算时间序列中的时差
如何在SQL中查找最长的连续事件系列
不要错过带有FIRST_VALUE（），LAST_VALUE（），LEAD（）和LAG（）的超凡SQL能力
ROW_NUMBER（），RANK（）和DENSE_RANK（）之间的区别

我最喜欢的窗口函数示例用例之一是运行总计。即从以下银行帐户交易表中获取：

| ID   | VALUE_DATE | AMOUNT |
|------|------------|--------|
| 9997 | 2014-03-18 |  99.17 |
| 9981 | 2014-03-16 |  71.44 |
| 9979 | 2014-03-16 | -94.60 |
| 9977 | 2014-03-16 |  -6.96 |
| 9971 | 2014-03-15 | -65.95 |

…到此，并计算出余额：

| ID   | VALUE_DATE | AMOUNT |  BALANCE |
|------|------------|--------|----------|
| 9997 | 2014-03-18 |  99.17 | 19985.81 |
| 9981 | 2014-03-16 |  71.44 | 19886.64 |
| 9979 | 2014-03-16 | -94.60 | 19815.20 |
| 9977 | 2014-03-16 |  -6.96 | 19909.80 |
| 9971 | 2014-03-15 | -65.95 | 19916.76 |

对于SQL，这是小菜一碟。观察SUM(t.amount) OVER(...)的用法：

SELECTt.*,t.current_balance - NVL(SUM(t.amount) OVER (PARTITION BY t.account_idORDER BY     t.value_date DESC,t.id         DESCROWS BETWEEN UNBOUNDED PRECEDINGAND     1         PRECEDING),0) AS balance
FROM     v_transactions t
WHERE    t.account_id = 1
ORDER BY t.value_date DESC,t.id         DESC

窗口功能如何工作？

（别忘了预订我们SQL Masterclass来了解窗口函数，以及更多！）

尽管有时语法有些令人恐惧，但窗口函数确实非常易于理解。 Windows是您的FROM / WHERE / GROUP BY / HAVING子句中产生的数据的“视图”。它们使您可以访问相对于当前行的所有其他行，同时在SELECT子句中（或很少在ORDER BY子句中）进行计算。上面的声明实际上是这样做的：

| ID   | VALUE_DATE |  AMOUNT |  BALANCE |
|------|------------|---------|----------|
| 9997 | 2014-03-18 | -(99.17)|+19985.81 |
| 9981 | 2014-03-16 | -(71.44)| 19886.64 |
| 9979 | 2014-03-16 |-(-94.60)| 19815.20 |
| 9977 | 2014-03-16 |   -6.96 |=19909.80 |
| 9971 | 2014-03-15 |  -65.95 | 19916.76 |

也就是说，对于任何给定的余额，从当前余额中减去SUM() “ OVER() ”与当前行（同一银行帐户）在同一分区中的所有行的窗口，并且这些行严格位于“当前行。

或者，详细而言：

PARTITION BY指定“ OVER() ”，该字符将窗口范围排成一行
ORDER BY指定窗口的排序方式
ROWS指定应考虑的有序行索引

我们可以使用Java集合吗？

我们可以！如果您使用的是jOOλ ：我们设计了一个完全免费的开源Apache 2.0许可库，因为我们认为JDK 8 Stream和Collector API只是不这样做。

设计Java 8时，很多精力都放在了支持并行流上。很好，但是当然不是唯一可以应用函数式编程的有用领域。我们创建了jOOλ来填补这一空白-无需实现所有新的替代集合API，例如Javaslang或功能性Java have。

jOOλ已经提供：

元组类型
对于有序的，仅顺序的流更有用的东西

通过最近发布的jOOλ0.9.9，我们添加了两个主要新功能：

大量新收藏家
视窗功能

JDK中许多缺少的收集器

JDK附带了几个收集器，但是它们看起来确实笨拙且冗长，并且没有人真正喜欢编写像此Stack Overflow问题（以及许多其他问题）中所介绍的收集器那样的收集器。

但是链接问题中公开的用例是非常有效的。您要汇总人员列表中的几件事：

public class Person {private String firstName;private String lastName;private int age;private double height;private double weight;// getters / setters

假设您有以下列表：

List<Person> personsList = new ArrayList<Person>();personsList.add(new Person("John", "Doe", 25, 1.80, 80));
personsList.add(new Person("Jane", "Doe", 30, 1.69, 60));
personsList.add(new Person("John", "Smith", 35, 174, 70));

现在，您希望获得以下聚合：

人数
最高年龄
最小高度
平均重量

对于任何习惯编写SQL的人来说，这都是一个荒谬的问题：

SELECT count(*), max(age), min(height), avg(weight)
FROM person

做完了 Java有多难？事实证明，许多原始代码需要使用香草JDK 8 API编写。考虑给出的复杂答案

由塔吉尔·瓦列夫（Tagir Valeev）
通过TriCore

使用jOOλ0.9.9时，再次解决此问题变得非常可笑，并且读取的内容几乎类似于SQL ：

Tuple result =
Seq.seq(personsList).collect(count(),max(Person::getAge),min(Person::getHeight),avg(Person::getWeight));System.out.println(result);

结果如下：

(3, Optional[35], Optional[1.69], Optional[70.0])

请注意，这不是针对SQL数据库运行查询（这就是jOOQ的目的）。我们正在针对内存中的Java集合运行此“查询”。

现在窗口功能如何？

是的，本文的标题并没有涉及琐碎的聚合工作。它承诺了很棒的窗口功能。

但是，窗口函数不过是数据流子集上的聚合（或排名）而已。您想要维护原始记录，而不是将所有流（或表）聚合到单个记录中，而是直接在每个单独的记录上提供聚合。

窗口函数的一个很好的入门示例是本文提供的示例，它解释了ROW_NUMBER（），RANK（）和DENSE_RANK（）之间的区别。考虑以下PostgreSQL查询：

SELECTv, ROW_NUMBER() OVER(w),RANK()       OVER(w),DENSE_RANK() OVER(w)
FROM (VALUES('a'),('a'),('a'),('b'),('c'),('c'),('d'),('e')
) t(v)
WINDOW w AS (ORDER BY v);

它产生：

| V | ROW_NUMBER | RANK | DENSE_RANK |
|---|------------|------|------------|
| a |          1 |    1 |          1 |
| a |          2 |    1 |          1 |
| a |          3 |    1 |          1 |
| b |          4 |    4 |          2 |
| c |          5 |    5 |          3 |
| c |          6 |    5 |          3 |
| d |          7 |    7 |          4 |
| e |          8 |    8 |          5 |

在Java 8中，可以使用jOOλ0.9.9进行相同的操作

System.out.println(Seq.of("a", "a", "a", "b", "c", "c", "d", "e").window(naturalOrder()).map(w -> tuple(w.value(),w.rowNumber(),w.rank(),w.denseRank())).format()
);

屈服…

+----+----+----+----+
| v0 | v1 | v2 | v3 |
+----+----+----+----+
| a  |  0 |  0 |  0 |
| a  |  1 |  0 |  0 |
| a  |  2 |  0 |  0 |
| b  |  3 |  3 |  1 |
| c  |  4 |  4 |  2 |
| c  |  5 |  4 |  2 |
| d  |  6 |  6 |  3 |
| e  |  7 |  7 |  4 |
+----+----+----+----+

同样，请注意，我们没有对数据库运行任何查询。一切都在内存中完成。

注意两件事：

jOOλ的窗口函数返回0（基于Java API的期望值），而不是SQL（全为1）。
在Java中，无法使用命名列构造临时记录。不幸的是，我确实希望将来的Java将为此类语言功能提供支持。

让我们回顾一下代码中到底发生了什么：

System.out.println(// This is just enumerating our valuesSeq.of("a", "a", "a", "b", "c", "c", "d", "e")// Here, we specify a single window to be// ordered by the value T in the stream, in// natural order.window(naturalOrder())// The above window clause produces a Window<T>// object (the w here), which exposes....map(w -> tuple(// ... the current value itself, of type String...w.value(),// ... or various rankings or aggregations on// the above window.w.rowNumber(),w.rank(),w.denseRank()))// Just some nice formatting to produce the table.format()
);

而已！很简单，不是吗？

我们可以做的更多！看一下这个：

System.out.println(Seq.of("a", "a", "a", "b", "c", "c", "d", "e").window(naturalOrder()).map(w -> tuple(w.value(),   // v0 w.count(),   // v1w.median(),  // v2w.lead(),    // v3w.lag(),     // v4w.toString() // v5)).format()
);

以上产量是多少？

+----+----+----+---------+---------+----------+
| v0 | v1 | v2 | v3      | v4      | v5       |
+----+----+----+---------+---------+----------+
| a  |  1 | a  | a       | {empty} | a        |
| a  |  2 | a  | a       | a       | aa       |
| a  |  3 | a  | b       | a       | aaa      |
| b  |  4 | a  | c       | a       | aaab     |
| c  |  5 | a  | c       | b       | aaabc    |
| c  |  6 | a  | d       | c       | aaabcc   |
| d  |  7 | b  | e       | c       | aaabccd  |
| e  |  8 | b  | {empty} | d       | aaabccde |
+----+----+----+---------+---------+----------+

现在，您的分析心脏应该跳了起来。

等一会儿。我们也可以像在SQL中那样做框架吗？我们可以。就像在SQL中一样，当我们省略窗口定义上的frame子句（但我们确实指定了ORDER BY子句）时，默认情况下将应用以下内容：

RANGE BETWEEN UNBOUNDED PRECEDINGAND CURRENT ROW

我们在前面的示例中已经做到了。可以在第v5列中看到，在该列中我们从第一个值到当前值聚合字符串。因此，让我们指定框架：

System.out.println(Seq.of("a", "a", "a", "b", "c", "c", "d", "e").window(naturalOrder(), -1, 1) // frame here.map(w -> tuple(w.value(),   // v0w.count(),   // v1w.median(),  // v2w.lead(),    // v3w.lag(),     // v4w.toString() // v5)).format()
);

结果很简单：

+----+----+----+---------+---------+-----+
| v0 | v1 | v2 | v3      | v4      | v5  |
+----+----+----+---------+---------+-----+
| a  |  2 | a  | a       | {empty} | aa  |
| a  |  3 | a  | a       | a       | aaa |
| a  |  3 | a  | b       | a       | aab |
| b  |  3 | b  | c       | a       | abc |
| c  |  3 | c  | c       | b       | bcc |
| c  |  3 | c  | d       | c       | ccd |
| d  |  3 | d  | e       | c       | cde |
| e  |  2 | d  | {empty} | d       | de  |
+----+----+----+---------+---------+-----+

如预期的那样， lead()和lag()不受影响，这与count() ， median()和toString()相反

现在，让我们回顾一下运行总计。

通常，您不会根据流本身的标量值来计算窗口函数，因为该值通常不是标量值，而是元组（或Java语言中的POJO）。取而代之的是，您从元组（或POJO）中提取值并对其进行汇总。因此，再次，在计算BALANCE ，我们需要首先提取AMOUNT 。

| ID   | VALUE_DATE |  AMOUNT |  BALANCE |
|------|------------|---------|----------|
| 9997 | 2014-03-18 | -(99.17)|+19985.81 |
| 9981 | 2014-03-16 | -(71.44)| 19886.64 |
| 9979 | 2014-03-16 |-(-94.60)| 19815.20 |
| 9977 | 2014-03-16 |   -6.96 |=19909.80 |
| 9971 | 2014-03-15 |  -65.95 | 19916.76 |

这是使用Java 8和jOOλ0.9.9编写运行总计的方法

BigDecimal currentBalance = new BigDecimal("19985.81");Seq.of(tuple(9997, "2014-03-18", new BigDecimal("99.17")),tuple(9981, "2014-03-16", new BigDecimal("71.44")),tuple(9979, "2014-03-16", new BigDecimal("-94.60")),tuple(9977, "2014-03-16", new BigDecimal("-6.96")),tuple(9971, "2014-03-15", new BigDecimal("-65.95")))
.window(Comparator.comparing((Tuple3<Integer, String, BigDecimal> t) -> t.v1, reverseOrder()).thenComparing(t -> t.v2), Long.MIN_VALUE, -1)
.map(w -> w.value().concat(currentBalance.subtract(w.sum(t -> t.v3).orElse(BigDecimal.ZERO))
));

屈服

+------+------------+--------+----------+
|   v0 | v1         |     v2 |       v3 |
+------+------------+--------+----------+
| 9997 | 2014-03-18 |  99.17 | 19985.81 |
| 9981 | 2014-03-16 |  71.44 | 19886.64 |
| 9979 | 2014-03-16 | -94.60 | 19815.20 |
| 9977 | 2014-03-16 |  -6.96 | 19909.80 |
| 9971 | 2014-03-15 | -65.95 | 19916.76 |
+------+------------+--------+----------+

这里有几件事发生了变化：

比较器现在考虑两个比较。不幸的是JEP-101并没有完全实现，这就是为什么我们需要在此处帮助类型编译器的原因。
Window.value()现在是一个元组，而不是单个值。因此，我们需要从中提取有趣的列AMOUNT （通过t -> t.v3 ）。另一方面，我们可以简单地将附加值concat()给元组

但是已经足够了。除了比较器的详细信息（我们一定会在将来的jOOλ版本中解决）之外，编写窗口函数也是小菜一碟。

我们还能做什么？

本文不是对新API可以做的所有事情的完整描述。我们将很快写一个后续博客文章，并提供其他示例。例如：

未描述partition by子句，但也可用
您可以指定比此处公开的单个窗口更多的窗口，每个窗口都具有单独的PARTITION BY ， ORDER BY和框架规范

另外，当前的实现还很规范，即它尚未（尚未）缓存聚合：

对于无序/无框窗口（所有分区的值相同）
严格升序的窗口（聚合可以基于先前的值，例如SUM()或toString()关联收集器）

就我们而言就是这样。下载jOOλ，试用它，并享受一个事实，那就是所有Java 8开发人员现在都可以使用最强大SQL功能！

https://github.com/jOOQ/jOOL

翻译自: https://www.javacodegeeks.com/2016/01/2016-will-year-remembered-java-finally-window-functions.html

java关闭窗口函数