Как стать автором
Обновить

Нарастающий итог в SQL

Время на прочтение 10 мин
Количество просмотров 128K
Нарастающий (накопительный) итог долго считался одним из вызовов SQL. Что удивительно, даже после появления оконных функций он продолжает быть пугалом (во всяком случае, для новичков). Сегодня мы рассмотрим механику 10 самых интересных решений этой задачи – от оконных функций до весьма специфических хаков.

В электронных таблицах вроде Excel нарастающий итог вычисляется очень просто: результат в первой записи совпадает с её значением:



… а затем мы суммируем текущее значение и предыдущий итог.



Иными словами,

$ Итог_1 = Значение_1 \\ Итог_2= Итог_1 + Значение_2 \\ Итог_3 = Итог_2 + Значение_3 \\ \ldots \\ Итог_n = Итог_{n-1} + Значение_n \\ $


… или:

$ \begin{cases} Итог_1 = Значение_1, n = 1\\ Итог_n = Итог_{n-1} + Значение_n, n \geq 2 \end{cases} $



Появление в таблице двух и более групп несколько усложняет задачу: теперь мы считаем несколько итогов (для каждой группы отдельно). Впрочем, и здесь решение лежит на поверхности: необходимо каждый раз проверять, к какой группе принадлежит текущая запись. Click and drag, и работа выполнена:



Как можно заметить, подсчёт нарастающего итога связан с двумя неизменными составляющими:
(а) сортировкой данных по дате и
(б) обращением к предыдущей строке.

Но что SQL? Очень долго в нём не было нужного функционала. Необходимый инструмент – оконные функции – впервые появился только стандарте SQL:2003. К этому моменту они уже были в Oracle (версия 8i). А вот реализация в других СУБД задержалась на 5-10 лет: SQL Server 2012, MySQL 8.0.2 (2018 год), MariaDB 10.2.0 (2017 год), PostgreSQL 8.4 (2009 год), DB2 9 для z/OS (2007 год), и даже SQLite 3.25 (2018 год).

Тестовые данные
-- создание таблиц и наполнение их данными --
-- простейший случай
create table test_simple (dt date null,
                          val int null
                         ); 
-- используем формат дат своей СУБД (или меняем настройки, напр. через NLS_DATE_FORMAT в Oracle)
insert into test_simple (dt, val) values ('2019-11-01', 6);
insert into test_simple (dt, val) values ('2019-11-02', 3);
insert into test_simple (dt, val) values ('2019-11-03', 3);
insert into test_simple (dt, val) values ('2019-11-04', 4);
insert into test_simple (dt, val) values ('2019-11-05', 2);
insert into test_simple (dt, val) values ('2019-11-06', 4);
insert into test_simple (dt, val) values ('2019-11-07', 8);
insert into test_simple (dt, val) values ('2019-11-08', 0);
insert into test_simple (dt, val) values ('2019-11-09', 6);
insert into test_simple (dt, val) values ('2019-11-10', 0);
insert into test_simple (dt, val) values ('2019-11-11', 8);
insert into test_simple (dt, val) values ('2019-11-12', 8);
insert into test_simple (dt, val) values ('2019-11-13', 0);
insert into test_simple (dt, val) values ('2019-11-14', 2);
insert into test_simple (dt, val) values ('2019-11-15', 8);
insert into test_simple (dt, val) values ('2019-11-16', 7);

-- случай с группами
create table test_groups (grp varchar null, -- varchar2(1) in Oracle
                          dt date null,
                          val int null
                          );
-- используем формат дат своей СУБД (или меняем настройки, напр. через NLS_DATE_FORMAT в Oracle)
insert into test_groups (grp, dt, val) values ('a', '2019-11-06', 1);
insert into test_groups (grp, dt, val) values ('a', '2019-11-07', 3);
insert into test_groups (grp, dt, val) values ('a', '2019-11-08', 4);
insert into test_groups (grp, dt, val) values ('a', '2019-11-09', 1);
insert into test_groups (grp, dt, val) values ('a', '2019-11-10', 7);
insert into test_groups (grp, dt, val) values ('b', '2019-11-06', 9);
insert into test_groups (grp, dt, val) values ('b', '2019-11-07', 10);
insert into test_groups (grp, dt, val) values ('b', '2019-11-08', 9);
insert into test_groups (grp, dt, val) values ('b', '2019-11-09', 1);
insert into test_groups (grp, dt, val) values ('b', '2019-11-10', 10);
insert into test_groups (grp, dt, val) values ('c', '2019-11-06', 4);
insert into test_groups (grp, dt, val) values ('c', '2019-11-07', 10);
insert into test_groups (grp, dt, val) values ('c', '2019-11-08', 9);
insert into test_groups (grp, dt, val) values ('c', '2019-11-09', 4);
insert into test_groups (grp, dt, val) values ('c', '2019-11-10', 4);

-- проверяем данные --
select * from test_simple order by dt;
select * from test_groups order by grp, dt;


1. Оконные функции


Оконные функции – вероятно, самый простой способ. В базовом случае (таблица без групп) мы рассматриваем данные, отсортированные по дате:

order by dt

… но нас интересуют только строки до текущей:

rows between unbounded preceding and current row

В конечном итоге, нам нужна сумма с этими параметрами:

sum(val) over (order by dt rows between unbounded preceding and current row)

А полный запрос будет выглядеть так:

select s.*,
       coalesce(sum(s.val) over (order by s.dt 
                rows between unbounded preceding and current row), 
                0) as total
from test_simple s
order by s.dt;

В случае нарастающего итога по группам (поле grp) нам требуется только одна небольшая правка. Теперь мы рассматриваем данные как разделённые на «окна» по признаку группы:



Чтобы учесть это разделение необходимо использовать ключевое слово partition by :

partition by grp

И, соответственно, считать сумму по этим окнам:

sum(val) over (partition by grp order by dt 
                rows between unbounded preceding and current row)

Тогда весь запрос преобразуется таким образом:

select tg.*,
       coalesce(sum(tg.val) over (partition by tg.grp order by tg.dt
                rows between unbounded preceding and current row), 
                0) as total
from test_groups tg
order by tg.grp, tg.dt;

Производительность оконных функций будет зависеть от специфики вашей СУБД (и её версии!), размеров таблицы, и наличия индексов. Но в большинстве случаев этот метод будет самым эффективным. Тем не менее, оконные функции недоступны в старых версиях СУБД (которые ещё в ходу). Кроме того, их нет в таких СУБД как Microsoft Access и SAP/Sybase ASE. Если необходимо вендоро-независимое решение, следует обратить внимание на альтернативы.

2. Подзапрос


Как было сказано выше, оконные функции были очень поздно введены в основных СУБД. Эта задержка не должна удивлять: в реляционной теории данные не упорядочены. Куда больше духу реляционной теории соответствует решение через подзапрос.

Такой подзапрос должен считать сумму значений с датой до текущей (и включая текущую): $ dt_{row} \leq dt_{current row} $.

Что в коде выглядит так:

select s.*,
       (select coalesce(sum(t2.val), 0)
	from test_simple t2
	where t2.dt <= s.dt) as total
from test_simple s
order by s.dt;

Чуть более эффективным будет решение, в котором подзапрос считает итог до текущей даты (но не включая её), а затем суммирует его со значением в строке:

select s.*,
       s.val + (select coalesce(sum(t2.val), 0)
	        from test_simple t2
	        where t2.dt < s.dt) as total
from test_simple s
order by s.dt;

В случае нарастающего итога по нескольким группам нам необходимо использовать коррелированный подзапрос:

select g.*,
	(select coalesce(sum(t2.val), 0) as total
	 from test_groups t2
	 where g.grp = t2.grp
	          and t2.dt <= g.dt) as total
from test_groups g
order by g.grp, g.dt;

Условие g.grp = t2.grp проверяет строки на вхождение в группу (что, в принципе, сходно с работой partition by grp в оконных функциях).

3. Внутреннее соединение


Поскольку подзапросы и джойны взаимозаменяемы, мы легко можем заменить одно на другое. Для этого необходимо использовать Self Join, соединив два экземпляра одной и той же таблицы:

select s.*, 
       coalesce(sum(t2.val), 0) as total
from test_simple s
inner join test_simple t2
	 on t2.dt <= s.dt
group by s.dt, s.val
order by s.dt;

Как можно заметить, условие фильтрации в подзапросе t2.dt <= s.dt стало условием соединения. Кроме того, чтобы использовать агрегирующую функцию sum() нам необходима группировка по дате и значению group by s.dt, s.val.

Точно также можно сделать для случая с разными группами grp:

select g.*, 
       coalesce(sum(t2.val), 0) as total
from test_groups g
inner join test_groups t2
	on g.grp = t2.grp
		and t2.dt <= g.dt
group by g.grp, 
	 g.dt, 
	 g.val
order by g.grp, 
	 g.dt;

4. Декартово произведение


Раз уж мы заменили подзапрос на join, то почему бы не попробовать декартово произведение? Это решение потребует только минимальных правок:

select s.*, 
       coalesce(sum(t2.val), 0) as total
from test_simple s,
     test_simple t2
where t2.dt <= s.dt
group by s.dt, 
	 s.val
order by s.dt;

Или для случая с группами:

select g.*, 
       coalesce(sum(t2.val), 0) as total
from test_groups g,
     test_groups t2
where g.grp = t2.grp
	and t2.dt <= g.dt
group by g.grp, 
	 g.dt, 
	 g.val
order by g.grp, 
	 g.dt;

Перечисленные решения (подзапрос, inner join, cartesian join) соответсвуют SQL-92 и SQL:1999, а потому будут доступны практически в любой СУБД. Основная проблема всех этих решений в низкой производительности. Это не велика беда, если мы материализуем таблицу с результатом (но ведь всё равно хочется большей скорости!). Дальнейшие методы куда более эффективны (с поправкой на уже указанные специфику конкретных СУБД и их версий, размер таблицы, индексы).

5. Рекурсивный запрос


Один из более специфических подходов – это рекурсивный запрос в common table expression. Для этого нам необходим «якорь» – запрос, возвращающий самую первую строку:

select dt,
       val, 
       val as total
from test_simple
where dt = (select min(dt) from test_simple)

Затем к «якорю» с помощью union all присоединяются результаты рекурсивного запроса. Для этого можно опереться на поле даты dt, прибавляя у нему по одному дню:

select r.dt,
       r.val,
       cte.total + r.val
from cte
inner join test_simple r
     on r.dt = dateadd(day, 1, cte.dt) -- + 1 день в SQL Server

Часть кода, добавляющая один день, не универсальна. Например, это r.dt = dateadd(day, 1, cte.dt) для SQL Server, r.dt = cte.dt + 1 для Oracle, и т.д.

Совместив «якорь» и основной запрос, мы получим окончательный результат:

with cte (dt, val, total)
as
   (select dt, val, val as total
    from test_simple
    where dt = (select min(dt) from test_simple)
			
    union all
			
    select r.dt, r.val, cte.total + r.val
    from cte
    inner join test_simple r
    	on r.dt = dateadd(day, 1, cte.dt) -- r.dt = cte.dt + 1 в Oracle, и т.п.
    )
select dt, val, total 
from cte
order by dt;

Решение для случая с группами будет ненамного сложнее:

with cte (dt, grp, val, total)
as
   (select g.dt, g.grp, g.val, g.val as total
    from test_groups g
    where g.dt = (select min(dt) from test_groups where grp = g.grp)
			
    union all
			
    select r.dt, r.grp, r.val, cte.total + r.val 
    from cte
    inner join test_groups r
    	on r.dt = dateadd(day, 1, cte.dt) -- r.dt = cte.dt + 1 в Oracle, и т.п.
		and cte.grp = r.grp
    )
select dt, grp, val, total 
from cte
order by grp, dt;

6. Рекурсивный запрос с функцией row_number()


Предыдущее решение опиралось на непрерывность поля даты dt с последовательным приростом на 1 день. Мы избежать этого, используя оконную функцию row_number(), которая нумерует строки. Конечно, это нечестно – ведь мы собрались рассматривать альтернативы оконным функциям. Тем не менее, это решение может быть своего рода proof of concept: ведь на практике может быть поле, заменяющее номера строк (id записи). Кроме того, в SQL Server функция row_number() появилась раньше, чем была введена полноценная поддержка оконных функций (включая sum()).

Итак, для рекурсивного запроса с row_number() нам понадобится два СТЕ. В первом мы только нумеруем строки:

with cte1 (dt, val, rn)
as (select dt,
           val,
	   row_number() over (order by dt) as rn
    from test_simple)

… и если номер строки уже есть в таблице, то можно без него обойтись. В следующем запросе обращаемся уже к cte1:

cte2 (dt, val, rn, total)
as
   (select dt, val, rn, val as total
    from cte1
    where rn = 1
			
    union all
			
    select cte1.dt, cte1.val, cte1.rn, cte2.total + cte1.val
    from cte2
    inner join cte1
    	on cte1.rn = cte2.rn + 1
    )

А целиком запрос выглядит так:

with cte1 (dt, val, rn)
as (select dt,
           val,
	   row_number() over (order by dt) as rn
	from test_simple),
cte2 (dt, val, rn, total)
as
   (select dt, val, rn, val as total
    from cte1
    where rn = 1
			
    union all
			
    select cte1.dt, cte1.val, cte1.rn, cte2.total + cte1.val
    from cte2
    inner join cte1
    	on cte1.rn = cte2.rn + 1
    )
select dt, val, total 
from cte2
order by dt;

… или для случая с группами:

with cte1 (dt, grp, val, rn)
as (select dt, grp, val,
	   row_number() over (partition by grp order by dt) as rn
   from test_groups),
cte2 (dt, grp, val, rn, total)
as
   (select dt, grp, val, rn, val as total
    from cte1
    where rn = 1
			
    union all
			
    select cte1.dt, cte1.grp, cte1.val, cte1.rn, cte2.total + cte1.val
    from cte2
    inner join cte1
    	on cte1.grp = cte2.grp
		    and cte1.rn = cte2.rn + 1
    )
select dt, grp, val, total 
from cte2
order by grp, dt;

7. Оператор CROSS APPLY / LATERAL


Один из самых экзотических способов расчёта нарастающего итога – это использование оператора CROSS APPLY (SQL Server, Oracle) или эквивалентного ему LATERAL (MySQL, PostgreSQL). Эти операторы появились довольно поздно (например, в Oracle только с версии 12c). А в некоторых СУБД (например, MariaDB) их и вовсе нет. Поэтому это решение представляет чисто эстетический интерес.

Функционально использование CROSS APPLY или LATERAL идентично подзапросу: мы присоединяем к основному запросу результат вычисления:

cross apply (select coalesce(sum(t2.val), 0) as total
             from test_simple t2
	     where t2.dt <= s.dt
) t2

… что целиком выглядит так:

select s.*,
       t2.total
from test_simple s
cross apply (select coalesce(sum(t2.val), 0) as total
             from test_simple t2
	     where t2.dt <= s.dt
) t2
order by s.dt;

Похожим будет и решение для случая с группами:

select g.*,
       t2.total
from test_groups g
cross apply (select coalesce(sum(t2.val), 0) as total
             from test_groups t2
	     where g.grp = t2.grp
	            and t2.dt <= g.dt
) t2
order by g.grp,
         g.dt;

Итого: мы рассмотрели основные платформо-независимые решения. Но остаются решения, специфичные для конкретных СУБД! Поскольку здесь возможно очень много вариантов, остановимся на нескольких наиболее интересных.

8. Оператор MODEL (Oracle)


Оператор MODEL в Oracle даёт одно из самых элегантных решений. В начале статьи мы рассмотрели общую формулу нарастающего итога:

$ \begin{cases} Итог_1 = Значение_1, n = 1\\ Итог_n = Итог_{n-1} + Значение_n, n \geq 2 \end{cases}$



MODEL позволяет реализовать эту формулу буквально один к одному! Для этого мы сначала заполняем поле total значениями текущей строки

select dt,
       val,
       val as total
from test_simple

… затем рассчитываем номер строки как row_number() over (order by dt) as rn (или используем готовое поле с номером, если оно есть). И, наконец, вводим правило для всех строк, кроме первой: total[rn >= 2] = total[cv() - 1] + val[cv()].

Функция cv() здесь отвечает за значение текущей строки. А весь запрос будет выглядеть так:

select dt, val, total
from
    (select dt,
            val,
            val as total
    from test_simple) t
model
    dimension by (row_number() over (order by dt) as rn)
    measures (dt, val, total)
    rules (total[rn >= 2] = total[cv() - 1] + val[cv()])
order by dt;

9. Курсор (SQL Server)


Нарастающий итог – один из немногих случаев, когда курсор в SQL Server не только полезен, но и предпочтителен другим решениям (как минимум до версии 2012, где появились оконные функции).

Реализация через курсор довольно тривиальна. Сначала необходимо создать временную таблицу и заполнить её датами и значениями из основной:

create table #temp
      (dt date primary key,
       val int null,
       total int null
       ); 

insert #temp (dt, val)
select dt, val	   
from test_simple
order by dt;

Затем задаём локальные переменные, через которые будет происходить обновление:

declare @VarTotal int,
        @VarDT date,
        @VarVal int;

set @VarTotal = 0;

После этого обновляем временную таблицу через курсор:

declare cur cursor local static read_only forward_only
for select dt, val from #temp order by dt;

open cur;
fetch cur into @VarDT, @VarVal;

while @@fetch_status = 0
begin
	set @VarTotal = @VarTotal + @VarVal;
	
	update #temp
	set total = @VarTotal
	where dt = @VarDT;
	
	fetch cur into  @VarDT, @VarVal;
end;

close cur;
deallocate cur;

И, наконец, получем нужный результат:

select dt, val, total
from #temp
order by dt;

drop table #temp;

10. Обновление через локальную переменную (SQL Server)


Обновление через локальную переменную в SQL Server основано на недокументированном поведении, поэтому его нельзя считать надёжным. Тем не менее, это едва ли не самое быстрое решение, и этим оно интересно.

Создадим две переменные: одну для нарастающих итогов и табличную переменную:

declare @VarTotal int = 0;
declare @tv table
      (dt date null,
       val int null,
       total int null
       ); 

Сначала заполним @tv данным из основной таблицы

insert @tv (dt, val, total)
select dt, val, 0 as total
from test_simple
order by dt;

Затем табличную переменную @tv обновим, используя @VarTotal:

update @tv
set @VarTotal = total = @VarTotal + val
from @tv;

… после чего получим окончательный результат:

select * from @tv order by dt;

Резюме: мы рассмотрели топ 10 способов расчёта нарастающего итога в SQL. Как можно заметить, даже без оконных функций эта задача вполне решаема, причём механику решения нельзя назвать сложной.
Теги:
Хабы:
+50
Комментарии 49
Комментарии Комментарии 49

Публикации

Истории

Ближайшие события

Московский туристический хакатон
Дата 23 марта – 7 апреля
Место
Москва Онлайн