窗口的概念非常重要，它可以理解为记录集合，窗口函数也就是在满足某种条件的记录集 合上执行的特殊函数。对于每条记录都要在此窗口内执行函数，窗口大小都是固定的，这种属于静态窗口；不同的记录对应着不同的窗口，这种动态变化的窗口叫滑动窗口。
函数名（[expr]） over(partition by <要分列的组> order by <要排序的列> rows between <数据范围>)
sum(...A...) over(partition by ...B... order by ...C... rows between ...D1... and ...D2...)
avg(...A...) over(partition by ...B... order by ...C... rows between ...D1... and ...D2...)
A: 需要被加工的字段名称 B: 分组的字段名称 C: 排序的字段名称 D: 计算的行数范围
计算分区或结果集中行的百分位数排名
CUME_DIST()是一个
row_number() over(partition by ...A... order by ...B... )
rank() over(partition by ...A... order by ...B... )
dense_rank() over(partition by ...A... order by ...B... )
A:分组的字段名称 B:排序的字段名称
注意:row_number()、rank() 和dense_rank()紧邻的括号内是不加任何字段名称的
row_number:它会为查询出来的每一行记录生成一个序号，依次排序且不会重复
dense_rank函数在生成序号时是连续的
rank函数生成的序号有可能不连续
1、ntile(n) over (...)
ntile(n) over(partition by ..A..order by..B..) n:切分的片数 A:分组的字段名称 B:排序的字段名称
ntile(n)，用于将分组数据按照顺序切分成n片，返回当前切片值
NTILE不支持ROWS BETWEEN
在实际应用当中，若要用到取今天和昨天的某字段差值时，Lag和Lead函数的应用就显得尤为重要： lag(exp_str,offset,defval) over(partion by ......order by ......)
lead(exp_str,offset,defval) over(partion by ......order by ......)
运行结果：180