Fungsi lag dan plumbum SQL digunakan untuk mengakses data baris dengan offset yang ditentukan sebelum dan selepas baris semasa. 1. LAG (lajur, offset, lalai) mendapat nilai garis offset sebelum garis semasa. Offset lalai adalah 1. Jika ia tidak wujud, ia mengembalikan null atau menentukan nilai lalai; 2. Lead (lajur, offset, lalai) mendapat nilai garis offset selepas garis semasa. Penggunaannya sama dengan ketinggalan; 3. Sintaks asas adalah untuk mengira rekod bersebelahan dengan menyusun atau mengelompokkan dalam kombinasi dengan klausa, seperti melihat jualan bulan sebelumnya dan bulan berikutnya mengikut tarikh; 4. Pengiraan kumpulan boleh dilaksanakan melalui partition oleh, seperti menganalisis trend mengikut rantau dan klasifikasi produk; 5. Perubahan trend boleh dinilai bersama dengan kes apabila, seperti pertumbuhan jualan, penurunan atau kebosanan. Ia juga disyorkan untuk menggunakan CTE untuk mengelakkan pengiraan berulang untuk mengoptimumkan prestasi. Menguasai perkara-perkara utama ini boleh digunakan dengan berkesan dalam senario seperti analisis siri masa, perbandingan bulan-ke-bulan dan pengesanan yang tidak normal.

Fungsi lag dan plumbum SQL adalah fungsi tetingkap yang mengakses baris data sebelum atau selepas baris semasa. Mereka amat berguna apabila menganalisis siri masa, perubahan trend, atau membandingkan rekod bersebelahan. Berikut adalah beberapa senario penggunaan biasa dan contoh untuk membantu anda dengan cepat memahami penggunaan sebenar kedua -dua fungsi ini.

1.Apa yang ketinggalan dan plumbum?

• LAG(column, offset, default) : Dapatkan nilai garis offset (pertama) garis semasa, lalai ialah 1.
• LEAD(column, offset, default) : Dapatkan nilai garis offset ke bawah (selepas) garis semasa, lalai adalah 1.

Untuk memberi contoh mudah:
Katakan anda mempunyai jadual rekod jualan, disusun mengikut bulan. Jika anda ingin mengetahui perbandingan antara "jualan bulan ini" dan "bulan lepas", anda boleh menggunakan LAG() ; Jika anda ingin melihat "bulan depan", anda boleh menggunakan LEAD() .

2. Struktur sintaks asas

 Pilih 
    tarikh,
    Jualan,
    Ketinggalan (jualan, 1) lebih (pesanan mengikut tarikh) sebagai prev_sales,
    Memimpin (jualan, 1) lebih (pesanan mengikut tarikh) sebagai next_sales
Dari sales_data;

Dalam contoh di atas:

• Selepas menyusun mengikut date , setiap baris dapat melihat jualan untuk bulan sebelumnya dan bulan depan.
• Sekiranya tidak ada nilai yang sama (seperti baris pertama tidak mempunyai yang sebelumnya), nol pulangan lalai.

Anda boleh menentukan nilai lalai seperti yang diperlukan, sebagai contoh:

 Ketinggalan (jualan, 1, 0) lebih (pesanan mengikut tarikh)

Dengan cara ini, apabila garis sebelumnya tidak wujud, ia akan kembali 0 bukannya batal.

3. Gunakan ketinggalan/memimpin dalam kumpulan

Dalam perniagaan sebenar, kategori yang berbeza sering diproses secara berasingan, seperti melihat trend mengikut rantau dan klasifikasi produk.

 Pilih 
    wilayah
    tarikh,
    Jualan,
    Lag (jualan, 1, 0) lebih (partition mengikut perintah rantau mengikut tarikh) sebagai prev_sales
Dari serantau_sales;

Titik utama di sini adalah untuk menambah PARTITION BY region , menunjukkan bahawa nilai baris sebelumnya dikira secara berasingan di dalam setiap rantau.

Senario aplikasi biasa termasuk:

• Perbandingan jualan harian kedai yang berbeza
• Perbezaan masa antara pengguna
• Analisis Harga Perubahan Harga Pelbagai Produk

4. Analisis Trend Berdasarkan Penghakiman Keadaan

Dengan data dari sebelum dan selepas garis, anda boleh membuat pertimbangan logik, seperti menilai sama ada jualan telah meningkat.

 Pilih 
    tarikh,
    Jualan,
    Ketinggalan (jualan) lebih (pesanan mengikut tarikh) sebagai prev_sales,
    Kes 
        Apabila Jualan> Lag (Jualan) Lebih (Pesanan mengikut Tarikh) maka 'Tingkatkan'
        Apabila Jualan <Lag (Jualan) Lebih (Pesanan mengikut Tarikh) maka &#39;Kurangkan&#39;
        Lain &#39;sama&#39;
    Berakhir sebagai trend
Dari sales_data;

Dengan cara ini, anda dapat melihat perubahan trend secara langsung setiap hari. Perhatikan bahawa sejak lag adalah fungsi tetingkap, ia agak menyusahkan untuk menulis berulang kali dalam kes, tetapi ini adalah amalan standard.

Beberapa cadangan pengoptimuman:

• Sekiranya pertanyaan itu rumit, pertimbangkan terlebih dahulu menggunakan CTE atau subquery untuk mengira nilai lag sebelum menilai
• Elakkan memanggil lag/lead yang sama beberapa kali dalam pertanyaan yang sama, yang mempengaruhi prestasi

Pada dasarnya itu sahaja. Lag dan plumbum kelihatan mudah, tetapi sangat praktikal dalam analisis sebenar, terutamanya apabila anda perlu melakukan tugas-tugas seperti bulan-ke-bulan, penghakiman trend, dan pengesanan yang tidak normal. Dengan menguasai kaedah penyortiran dan logik pembahagian, anda akan dapat menangani pelbagai senario.

Atas ialah kandungan terperinci Contoh fungsi lag dan plumbum SQL. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!