oracle高级分析函数使用实例
ORACLE中的ROW_NUMBEROVER分析函数的用法
ORACLE中的ROW_NUMBEROVER分析函数的用法ROW_NUMBER(OVER(是ORACLE数据库中的一个分析函数，用来为结果集中的每一行分配一个唯一的序号。
ROW_NUMBER(OVER(的语法是：ROW_NUMBER( OVER ( [ PARTITION BY expr1 [, expr2, ...] ]ORDER BY clause )其中，PARTITIONBY子句可选，用来指定分区依据的列或表达式；ORDERBY子句用来指定排序的列或表达式。
ROW_NUMBER(OVER(常用在查询结果需要进行分页或者进行排序后获取前几行的场景中。
以下是ROW_NUMBER(OVER(的用法示例：示例1：查询员工表中每个部门的员工数，并按照员工数降序排序。
SELECT department_id, count(*) as employee_count,ROW_NUMBER( OVER (ORDER BY count(*) DESC) as rankFROM employeesGROUP BY department_idORDER BY count(*) DESC;在这个示例中，ROW_NUMBER(OVER(函数根据部门中的员工数进行降序排序，并为每个部门分配一个唯一的序号。
示例2：查询员工表中每个部门的员工数，并按照员工数降序排序，并且只返回前三名。
SELECT department_id, count(*) as employee_count,ROW_NUMBER( OVER (ORDER BY count(*) DESC) as rankFROM employeesGROUP BY department_idWHERE rank <= 3ORDER BY count(*) DESC;在这个示例中，ROW_NUMBER(OVER(函数的结果用于限制查询结果只返回前三名。
示例3：查询员工表中每个部门的员工信息，并按照部门和薪水进行排序。
oracle累积求和分析函数sumover的使用
oracle累积求和分析函数sumover的使⽤oracle sum()over函数的使⽤over不能单独使⽤，要和分析函数：rank(),dense_rank(),row_number()等⼀起使⽤。
over函数的参数：over（partition by columnname1 order by columnname2）含义，按columname1指定的字段进⾏分组排序，或者说按字段columnname1的值进⾏分组排序。
例如：employees表中，有两个部门的记录：department_id ＝10和20select department_id，rank（） over（partition by department_id order by salary) from employees 就是指在部门10中进⾏薪⽔的排名，在部门20中进⾏薪⽔排名。
如果是partition by org_id，则是在整个公司内进⾏排名。
-------------------------------sum(...) over ... 的使⽤根据over(...)条件的不同使⽤ sum(sal) over (order by ename)... 查询员⼯的薪⽔“连续”求和；注意over (order by ename)如果没有order by ⼦句，求和就不是“连续”的，把所有的值加到⼀起作为⼀个值。
体会⼀下不同之处：SQL> select deptno,ename,sal,2 sum(sal) over (order by ename) 连续求和,3 sum(sal) over () 总和, -- 此处sum(sal) over () 等同于sum(sal)4 100*round(sal/sum(sal) over (),4) "份额(%)"5 from emp6 / DEPTNO ENAME SAL 连续求和总和份额(%)---------- ---------- ---------- ---------- ---------- ----------20 ADAMS 1100 1100 29025 3.7930 ALLEN 1600 2700 29025 5.5130 BLAKE 2850 5550 29025 9.8210 CLARK 2450 8000 29025 8.4420 FORD 3000 11000 29025 10.3430 JAMES 950 11950 29025 3.2720 JONES 2975 14925 29025 10.2510 KING 5000 19925 29025 17.2330 MARTIN 1250 21175 29025 4.3110 MILLER 1300 22475 29025 4.4820 SCOTT 3000 25475 29025 10.3420 SMITH 800 26275 29025 2.7630 TURNER 1500 27775 29025 5.1730 WARD 1250 29025 29025 4.31使⽤⼦分区查出各部门薪⽔连续的总和。
oracle常用的分析函数
oracle常⽤的分析函数常⽤的分析函数如下所列:row_number() over(partition by ... order by ...)rank() over(partition by ... order by ...)dense_rank() over(partition by ... order by ...)count() over(partition by ... order by ...)max() over(partition by ... order by ...)min() over(partition by ... order by ...)sum() over(partition by ... order by ...)avg() over(partition by ... order by ...)first_value() over(partition by ... order by ...)last_value() over(partition by ... order by ...)lag() over(partition by ... order by ...)lead() over(partition by ... order by ...)⼀、Oracle分析函数简介：在⽇常的⽣产环境中，我们接触得⽐较多的是OLTP系统(即Online Transaction Process)，这些系统的特点是具备实时要求，或者⾄少说对响应的时间多长有⼀定的要求；其次这些系统的业务逻辑⼀般⽐较复杂，可能需要经过多次的运算。
⽐如我们经常接触到的电⼦商城。
在这些系统之外，还有⼀种称之为OLAP的系统(即Online Aanalyse Process)，这些系统⼀般⽤于系统决策使⽤。
通常和数据仓库、数据分析、数据挖掘等概念联系在⼀起。
这些系统的特点是数据量⼤，对实时响应的要求不⾼或者根本不关注这⽅⾯的要求，以查询、统计操作为主。
oracle max over partition by用法
oracle max over partition by用法全文共四篇示例，供读者参考第一篇示例：Oracle数据库是一种关系数据库管理系统，提供了丰富的功能和语法来处理数据。
在处理数据的时候，我们经常需要使用分析函数来进行复杂的计算和分析，max over partition by是一种常用的功能之一。
本文将介绍max over partition by的用法以及它在实际应用中的作用。
在Oracle数据库中，max over partition by是一种分析函数，它可以在一组数据中查找指定列的最大值，并返回结果。
它的语法如下：```max(column) over (partition by column_name)```column是要查找最大值的列，而column_name则是根据哪个列进行分区。
通过在max后面加上over partition by关键字，我们可以在指定的分区内查找最大值。
举个例子来说明max over partition by的用法：假设有一个销售订单表orders，包含了订单号(order_id)、商品编号(product_id)和销售额(amount)三个字段，我们现在想要查找每个商品的销售额最大值。
我们可以使用max over partition by来实现：```select order_id, product_id, amount,max(amount) over (partition by product_id) asmax_amountfrom orders```在实际应用中，max over partition by有很多用途。
我们可以使用它来查找每个员工的最高工资、每个部门的最大利润等等。
通过对数据进行分区并利用分析函数，我们可以更方便地对数据进行深入分析和计算。
除了max over partition by之外，Oracle还提供了其他一些强大的分析函数，如min over partition by、sum over partition by等等，它们都可以帮助我们更加高效地处理复杂的数据分析任务。
Oracle分析函数-排序排列（rank、dense_rank、row_number、ntile）
Oracle分析函数-排序排列（rank、dense_rank、row_number、ntile）(1)rank函数返回⼀个唯⼀的值，除⾮遇到相同的数据时，此时所有相同数据的排名是⼀样的，同时会在最后⼀条相同记录和下⼀条不同记录的排名之间空出排名。
(2)dense_rank函数返回⼀个唯⼀的值，除⾮当碰到相同数据时，此时所有相同数据的排名都是⼀样的。
(3)row_number函数返回⼀个唯⼀的值，当碰到相同数据时，排名按照记录集中记录的顺序依次递增。
(4)ntile是要把查询得到的结果平均分为⼏组，如果不平均则分给第⼀组。
例如：create table s_score( s_id number(6),score number(4,2));insert into s_score values(001,98);insert into s_score values(002,66.5);insert into s_score values(003,99);insert into s_score values(004,98);insert into s_score values(005,98);insert into s_score values(006,80);selects_id,score,rank() over(order by score desc) rank --按照成绩排名，纯排名,dense_rank() over(order by score desc) dense_rank --按照成绩排名，相同成绩排名⼀致,row_number() over(order by score desc) row_number --按照成绩依次排名,ntile(3) over (order by score desc) group_s --按照分数划分成绩梯队from s_score;排名/排序的时候，有时候，我们会想到利⽤伪列row_num，利⽤row_num确实可以解决某些场景下的问题(但是相对也⽐较复杂)，⽽且有些场景下的问题却很难解决。
Oracle分析函数sumover介绍
Oracle分析函数sumover介绍其中，sum over函数是一种常用的分析函数，它用于对指定列进行求和计算，并返回每一行的累计总和。
以下是sum over函数的基本语法：```SUM(expression) OVER (PARTITION BY col1 [, col2, ...] ORDER BY col3 [, col4, ...] [ROWS <frame specification>])```其中，expression是要进行求和的列或表达式，col1、col2等是用于分组的列，col3、col4等是用于排序的列，frame specification是用于定义计算总和的范围。
sum over函数的作用可以通过一个简单的示例来说明。
假设我们有一个包含销售订单的表，其中包含订单号、产品名称和销售量等列。
我们想要计算每个产品的累计销售量，可以使用sum over函数来实现：```sqlSELECT order_id, product_name, sales_quantity,SUM(sales_quantity) OVER (PARTITION BY product_name ORDER BYorder_id) AS cumulative_salesFROM sales_orders;```在上述示例中，我们使用了PARTITION BY子句来按照产品名称进行分组，然后使用ORDER BY子句按照订单号进行排序。
通过在SUM函数中使用over子句，我们可以计算每个产品的累计销售量，并将结果作为新的列返回。
除了基本的用法之外，sum over函数还可以与其他函数组合使用，进一步扩展其功能。
例如，我们可以使用sum over函数来计算百分比：```sqlSELECT order_id, product_name, sales_quantity,sales_quantity / SUM(sales_quantity) OVER (PARTITION BY product_name) * 100 AS percentageFROM sales_orders;```在上述示例中，我们使用SUM函数计算每个产品的总销售量，并将结果作为分母，然后将每个销售数量除以总销售量并乘以100，得到每个产品的销售百分比。
Oracle数据库分析函数用法
Oracle数据库分析函数⽤法⽬录1、什么是窗⼝函数？2、窗⼝函数——开窗3、⼀些分析函数的使⽤⽅法4、OVER()参数——分组函数5、OVER()参数——排序函数1、什么是窗⼝函数？窗⼝函数也属于分析函数。
Oracle从8.1.6开始提供窗⼝函数，窗⼝函数⽤于计算基于组的某种聚合值，窗⼝函数指定了分析函数⼯作的数据窗⼝⼤⼩，这个数据窗⼝⼤⼩可能会随着⾏的变化⽽变化。
与聚合函数的不同之处是：对于每个组返回多⾏，⽽聚合函数对于每个组只返回⼀⾏基本语法: ‹分析函数› over (partition by ‹⽤于分组的列名› order by ‹⽤于排序的列名›)。
语法中的‹分析函数›主要由序列函数（rank、dense_rank和row_number等组成）与聚合函数（sum、avg、count、max和min等）作为窗⼝函数组成。
从窗⼝函数组成上看，它是group by 和 order by的功能组合，group by分组汇总后改变了表的⾏数，⼀⾏只有⼀个类别，⽽partiition by则不会减少原表中的⾏数。
恰如窗⼝函数的组成，它同时具有分组和排序的功能，且不减少原表的⾏数。
OVER 关键字表⽰把函数当成窗⼝函数⽽不是聚合函数。
SQL 标准允许将所有聚合函数⽤做窗⼝函数，使⽤ OVER 关键字来区分这两种⽤法。
2、窗⼝函数——开窗OVER 关键字后的括号中经常添加选项⽤以改变进⾏聚合运算的窗⼝范围。
如果 OVER 关键字后的括号中的选项为空，则窗⼝函数会对结果集中的所有⾏进⾏聚合运算。
分析函数 over(partition by 列名 order by 列名 rows between 开始位置 and 结束位置)为什么叫开窗呢？因为在over()括号中的，partition() 函数可以将查询到的数据进⾏单独开⼀个窗⼝处理。
譬如，查询每个班级的学⽣的排名情况，查询每个国家的历年⼈⼝等，诸如此类，都是在查询到的每⼀个班级、每⼀个国家中都开⼀个窗⼝，单独去执⾏命令。
Oracleanalysisfunction（Oracle分析函数）
Oracle analysis function（Oracle分析函数）ORACLE advanced function application- grouping function1, ROLLUPTotal, subtotal -- statistical standards and the corresponding dimension of the packet- decrease from right to left: group by rollup (a, B, c): A, B, C; a, B (C; a (b total), C subtotal total);--1)CALL VPD_PKG.SET_CONTEXT_COMPID ('-1');SELECT, A.VPD_COMPID, TO_CHAR (A.TTIME,'MM'), COUNT (*)FROM XTBILL2011 AGROUP, BY, ROLLUP (A.VPD_COMPID, TO_CHAR (A.TTIME,'MM'));--2) partial rollup groupingFor after grouping, sum of a.typeidSELECT, A.DWDH, A.YEAR, A.TYPEID, COUNT (*)FROM XTYWBILL AGROUP, BY, A.DWDH, A.YEAR, ROLLUP (A.TYPEID);2, CUBE--rollup can only "right to left", such as the need for a full range of dimensions for statistics, you need to use the cube function--1)SELECT, A.VPD_COMPID, TO_CHAR (A.TTIME,'MM'), COUNT (*)FROM XTBILL2011 AGROUP, BY, CUBE (A.VPD_COMPID, TO_CHAR (A.TTIME,'MM'));--2) cube: can summaries and subtotals do not need to remove some.SELECT, A.VPD_COMPID, TO_CHAR (A.TTIME,'MM'), COUNT (*)FROM XTBILL2011 AGROUP, BY, A.VPD_COMPID, CUBE (TO_CHAR (A.TTIME,'MM'));3, GROUPING SETS- Description: focus only on some dimensions of the single packet, subtotal--group, by, grouping, sets (a, B, c) are equivalent to group,by, a, group, by, B, group, by, C- these three groups of union all results--1)SELECT, A.VPD_COMPID, TO_CHAR (A.TTIME,'MM'), COUNT (*) FROM XTBILL2011 AGROUP, BY, GROUPING, SETS (A.VPD_COMPID, TO_CHAR(A.TTIME,'MM'));--2) partial grouping sets grouping- sum based on group by, only pay attention to the subtotal SELECT, A.DWDH, A.YEAR, A.TYPEID, COUNT (*)FROM XTYWBILL AGROUP, BY, A.DWDH, GROUPING, SETS (A.YEAR, A.TYPEID); SELECT, A.VPD_COMPID, TO_CHAR (A.TTIME,'MM'), COUNT (*) FROM XTBILL2011 AGROUP, BY, A.VPD_COMPID, GROUPING, SETS (TO_CHAR(A.TTIME,'MM'));4, CUBE, ROLLUP as the parameters of GROUPING SETS--grouping sets operations are grouped only on single columns without providing aggregate functionality, and if grouping sets is required, aggregate functionality is provided,- then you can use rollup or cube as the parameters of the grouping sets, such as the following statement to provide aggregate functionality:SELECT, A.VPD_COMPID, TO_CHAR (A.TTIME,'MM'), AS, TTIME, COUNT (*)FROM XTBILL2011 AGROUP, BY, GROUPING, SETS (ROLLUP (A.VPD_COMPID), ROLLUP (TO_CHAR (A.TTIME,'MM'));This statement yields two total rows, because rollup or cube is the parameter of grouping sets, which is equivalent to eachUnion all for --rollup and cube operations. So the above statement is equivalent to:SELECT, A.VPD_COMPID, NULL, AS, TTIME, COUNT (*)FROM XTBILL2011 AGROUP BY ROLLUP (A.VPD_COMPID)UNION ALLSELECT, NULL, TO_CHAR (A.TTIME,'MM'), COUNT (*)FROM XTBILL2011 AGROUP, BY, ROLLUP (TO_CHAR (A.TTIME,'MM'));5, combination column grouping brief introduction:- grouping methods: rollup (a, B, c), <=>group, by, a, B, C, group, by, a, B, group, by, null- grouping methods: rollup (a, (B, c)), <=>group, by, a, B, C, group, by, a, group, by, null- grouping mode: rollup (a, B),汇总（C）< = >组，B、C组，B；；组，C组由；组；C组为空；——分组方式：汇总（A，B），（C）分组集< = >组，B、C组，C；C 组的；——分组方式：汇总（一），汇总（B），汇总（C）<= >组由；组B；C组；组的，B组，C；；组B、C；A，B，C组；组由空6、分组函数——为了区别哪些是小计，分组函数派上用场了！选择a.vpd_compid，to_char（a.ttime，'mm '），计数（*），分组（a.vpd_compid），分组（to_char（a.ttime，'mm '）），解码（分组（a.vpd_compid），1，“所有单位'，a.vpd_compid）vpd_compid，解码（to_char（a.ttime，'mm '），1，“所有月份'，to_char（a.ttime，'mm '））时间从xtbill2011一组汇总（a.vpd_compid，to_char（a.ttime，'mm '））；——过滤某些分组结果选择a.vpd_compid，to_char（a.ttime，'mm '），计数（*），分组（a.vpd_compid），分组（to_char（a.ttime，'mm '）），解码（分组（a.vpd_compid），1，“所有单位'，a.vpd_compid）vpd_compid，解码（to_char（a.ttime，'mm '），1，“所有月份'，to_char（a.ttime，'mm '））时间从xtbill2011一组汇总（a.vpd_compid，to_char（a.ttime，'mm '））具有分组（a.vpd_compid）= 1或分组（to_char（a.ttime，'mm '））= 0；7、grouping_id函数——可用汇总或立方体与grouping_id组合运用，过滤出想要的分组统计信息选择a.vpd_compid，to_char（a.ttime，'mm”），grouping_id （a.vpd_compid，to_char（a.ttime，'mm '）），计数（*）从xtbill2011一集团通过立方体（a.vpd_compid，to_char（a.ttime，'mm '））有grouping_id（a.vpd_compid，to_char（a.ttime，'mm '））= 2；——1,2,3,0——grouping_id（A，B，C）过滤分组结果分组级别位向量grouping_id结果A，B，C 0 0 0 0A，B 0 0 1 10，1，1，3汇总1 1 1 78、group_id函数——判断重复的分组选择a.vpd_compid，to_char（a.ttime，'mm”）为时间，group_id() ID，计数（*）从xtbill2011一通过分组套组（汇总（a.vpd_compid），汇总（to_char（a.ttime，'mm '）））有group_id() = 0；9、实例应用说明：下拉表；创建表T（order_date日期--订购日期order_no号--订购号order_book VARCHAR2（10），--订购书籍order_fee号--订单总金额order_num数）；插入T选择to_date（'2010-05-01 '，'yyyy-mm-dd '）+水平，trunc（dbms_random。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
oracle高级分析函数使用实例2014年11月26日10:26:55∙标签：∙oracle∙1744ORACLE的分析函数，发现大家写SQL的时候有些功能写的比较麻烦或者不知道复杂的功能怎么通过SQL实现，ORACLE自带的分析函数有很多相应的功能：它是Oracle分析函数专门针对类似于"经营总额"、"找出一组中的百分之多少" 或"计算排名前几位"等问题设计的。
分析函数运行效率高，使用方便。
分析函数是基于一组行来计算的。
这不同于聚集函数且广泛应用于OLAP环境中。
Oracle从8.1.6开始提供分析函数，分析函数用于计算基于组的某种聚合值，它和聚合函数的不同之处是对于每个组返回多行，而聚合函数对于每个组只返回一行。
语法：<analytic-function>(<argument>,<argument>,...)over(<query-partition-clause><order-by-clause><windowing-clause>)其中：1 over是关键字，用于标识分析函数。
2 <analytic-function>是指定的分析函数的名字。
Oracle分析函数很多。
3 <argument>为参数，分析函数可以选取0-3个参数。
4 分区子句<query-partition-clause>的格式为：partition by<value_exp>[,value_expr]...关键字partition by子句根据由分区表达式的条件逻辑地将单个结果集分成N组。
这里的"分区partition"和"组group"都是同义词。
5 排序子句order-by-clause指定数据是如何存在分区内的。
其格式为：order[siblings]by{expr|position|c_alias}[asc|desc][nulls first|nulls last]其中：(1)asc|desc:指定了排列顺序。
(2)nulls first|nulls last:指定了包含空值的返回行应出现在有序序列中的第一个或最后一个位置。
6窗口子句windowing-clause给出一个固定的或变化的数据窗口方法，分析函数将对这些数据进行操作。
在一组基于任意变化或固定的窗口中，可用该子句让分析函数计算出它的值。
格式：{rows|range}{between{unbounded preceding|current row |<value_expr>{preceding|following} }and{unbounded preceding|current row |<value_expr>{preceding|following} }|{unbounded preceding|current row |<value_expr>{preceding|following }}(1)rows|range:此关键字定义了一个window。
(2)between...and...:为窗品指一个起点和终点。
(3)unbounded preceding：指明窗口是从分区(partition)的第一行开始。
(4)current row:指明窗口是从当前行开始。
create table emp(deptno varchar2(20),--部门编码ename varchar2(20),--人名sal number(10));--工资insert into emp values('10','andy1',2000);insert into emp values('10','andy2',3000);insert into emp values('10','andy3',2000);insert into emp values('20','leno1',4000);insert into emp values('20','leno2',8000);insert into emp values('20','leno3',6000);insert into emp values('30','jack1',5000);insert into emp values('30','jack2',6000);insert into emp values('30','jack3',7000);1 连续求和select deptno,ename,sal,sum(sal) over(order by ename) 连续求和from emp;DEPTNO ENAME SAL 连续求和-------------------- -------------------- ----------- ----------10 andy1 2000 200010 andy2 3000 500010 andy3 2000 700030 jack1 5000 1200030 jack2 6000 1800030 jack3 7000 2500020 leno1 4000 2900020 leno2 8000 3700020 leno3 6000 430002 不连续求和select deptno,ename,sal,sum(sal) over() 不连续求和from emp; DEPTNO ENAME SAL 不连续求和-------------------- -------------------- ----------- ----------10 andy1 2000 4300010 andy2 3000 4300010 andy3 2000 4300020 leno1 4000 4300020 leno2 8000 4300020 leno3 6000 4300030 jack1 5000 4300030 jack2 6000 4300030 jack3 7000 430003.select deptno,ename,sal,sum(sal) over(order by ename) 连续求和,sum(sal) over() 总和,100*round(sal/sum(sal) over(),4) "份额(%)"from emp/DEPTNO ENAME SAL 连续求和总和份额(%)-------------------- -------------------- ----------- ---------- --------------------10 andy1 2000 2000 43000 4.6510 andy2 3000 5000 43000 6.9810 andy3 2000 7000 43000 4.6530 jack1 5000 12000 43000 11.6330 jack2 6000 18000 43000 13.9530 jack3 7000 25000 43000 16.2820 leno1 4000 29000 43000 9.320 leno2 8000 37000 43000 18.620 leno3 6000 43000 43000 13.954.使用子分区查询。
按部门薪水连续的总和.(1)select deptno,sum(sal) over (partition by deptno order by ename) 按部门连续求总和from emp;DEPTNO 按部门连续求总和-------------------- ----------------10 200010 500010 700020 400020 1200020 1800030 500030 1100030 18000(2)按部门求总和select deptno,sum(sal) over (partition by deptno) 按部门连续求总和from emp ;DEPTNO 按部门求总和-------------------- ----------------10 700010 700010 700020 1800020 1800020 1800030 1800030 1800030 18000(3)不按部门连续求总和select deptno,sum(sal) over (order by deptno,ename) 不按部门连续求总和from emp ;DEPTNO 不按部门连续求总和-------------------- ------------------10 200010 500010 700020 1100020 1900020 2500030 3000030 3600030 43000(4)不按部门，求所有员工总和，效果等同于sum(sal)select deptno,sum(sal) over (order by deptno,ename) 不按部门连续求总和from emp ;DEPTNO 不按部门连续求总和-------------------- ------------------10 200010 500010 700020 1100020 1900020 2500030 3000030 3600030 43000(5)select deptno,ename,sal,sum(sal) over (partition by deptno order by ename) 部门连续求和,--各部门的薪水"连续"求和sum(sal) over (partition by deptno) 部门总和, -- 部门统计的总和，同一部门总和不变100*round(sal/sum(sal) over (partition by deptno),4) "部门份额(%)", sum(sal) over (order by deptno,ename) 连续求和, --所有部门的薪水"连续"求和sum(sal) over () 总和, -- 此处sum(sal) over () 等同于sum(sal)，所有员工的薪水总和100*round(sal/sum(sal) over (),4) "总份额(%)"from emp;DEPTNO ENAME SAL 部门连续求和部门总和部门份额(%) 连续求和总和总份额(%)-------------------- -------------------- ----------- ------------ --------------------- ---------- ---------- ----------10 andy1 2000 2000 7000 28.57 2000 43000 4.6510 andy2 3000 5000 7000 42.86 5000 43000 6.9810 andy3 2000 7000 7000 28.57 7000 43000 4.6520 leno1 4000 4000 18000 22.22 11000 43000 9.320 leno2 8000 12000 18000 44.44 19000 43000 18.620 leno3 6000 18000 18000 33.33 25000 43000 13.9530 jack1 5000 5000 18000 27.78 30000 43000 11.6330 jack2 6000 11000 18000 33.33 36000 43000 13.9530 jack3 7000 18000 18000 38.89 43000 43000 16.28(6)TOP-N查询6.1查询各部门中工资最高的记录select * from(select deptno,ename,sal,row_number() over(partition by deptno order by sal desc) topn from emp) where topn=1;DEPTNO ENAME SAL TOPN-------------------- -------------------- ----------- ----------10 andy2 3000 120 leno2 8000 130 jack3 7000 16.2按薪水高低对每个员工在本部门和整个公司内的排名进行排序。