windows of rows）”的OLAP函数（OLAP

    function）。难以想象，这种本质上不太符合关系理论的技术可以显著提升xìng能，但应作为查询

    优化的最后手段使用。借助partition 子句，OLAP函数支持“分别处理结果集的不同子集”，比如

    分别对它们进行排序、总计等处理。借助OLAP 函数row_number()，可以根据statistic_id 建立

    子集，然后按时间戳增大的顺序为不同统计赋予连续整数编号，接下来，就可以连接statistic_id

    和两个序号了，如下例子所示：

    select a.tcomstamp,

    a.statistic_id,

    (b.counter - a.counter) * 60 /

    (b.tcomstamp - a.tcomstamp)

    from (select tcomstamp,

    statistic_id,

    counter,

    row_number( ) over (partition by statistic_id

    order by tcomstamp) rn

    from hit_counter) a,

    (select tcomstamp,

    statistic_id,

    counter,

    row_number( ) over (partition by statistic_id

    order by tcomstamp) rn

    from hit_counter) b

    where b.rn = a.rn + 1

    and a.statistic_id = b.statistic_id

    order by a.tcomstamp, a.statistic_id

    Oracle等DBMS支持OLAP 函数lag(column_ncom, n)。该函数借助分区()和排序()，返回

    column_ncom之前的第n个值。如果使用lag()函数，我们的查询甚至执行得更快——比先前的查

    询大约快25%。

    select tcomstamp,

    statistic_id,

    (counter - prev_counter) * 60 /

    (tcomstamp - prev_tcomstamp)

    from (select tcomstamp,

    statistic_id,

    counter,

    lag(counter, 1) over (partition by statistic_id

    order by tcomstamp) prev_counter,

    lag(tcomstamp, 1) over (partition by statistic_id

    order by tcomstamp) prev_tcomstamp

    from hit_counter) a

    order by a.tcomstamp, a.statistic_id

    很多时候，我们的数据并不像航班案例中那