1. Τι Είναι τα Window Functions

Window Function (συνάρτηση παραθύρου) = συνάρτηση που υπολογίζει μια τιμή για κάθε γραμμή — χωρίς να χάνει τις υπόλοιπες.

Διαφορά από aggregations:

  • Aggregations (GROUP BY): Συμπιέζουν πολλές γραμμές σε μία

  • Window Functions: Κρατούν όλες τις γραμμές, προσθέτουν νέα στήλη

Παράδειγμα:

  • GROUP BY city → Μια γραμμή ανά πόλη

  • Window Function → Όλες οι γραμμές, με κατάταξη ανά πόλη

💡 Αναλογία: Σαν να έχεις ένα Excel. Το GROUP BY είναι Pivot Table. Το Window Function είναι μια νέα στήλη με υπολογισμό.


2. OVER() — Ο Ορισμός του Παραθύρου

Σύνταξη:

SELECT 
    στήλες,
    window_function() OVER ( ... ) as alias
FROM πίνακας;

Τι είναι το OVER():

  • Λέει στη συνάρτηση πάνω σε ποιο παράθυρο να δουλέψει

  • Κενό = όλες οι γραμμές

  • Με PARTITION BY = ομαδοποιημένο


3. ROW_NUMBER, RANK, DENSE_RANK — Κατάταξη

Οι 3 συναρτήσεις:

Συνάρτηση Τι Κάνει
ROW_NUMBER Μοναδικός αριθμός (1, 2, 3, 4)
RANK Κατάταξη με κενά (1, 2, 2, 4)
DENSE_RANK Κατάταξη χωρίς κενά (1, 2, 2, 3)

Παράδειγμα — Κατάταξη πελατών ανά ηλικία:

SELECT 
    name,
    age,
    ROW_NUMBER() OVER (ORDER BY age DESC) as row_num,
    RANK() OVER (ORDER BY age DESC) as rank_num,
    DENSE_RANK() OVER (ORDER BY age DESC) as dense_rank_num
FROM demo_customers;

Αποτέλεσμα:

name age row_num rank_num dense_rank_num
Παναγιώτης 52 1 1 1
Θανάσης 51 2 2 2
Μιχάλης 50 3 3 3
Θεόδωρος 47 4 4 4
Γρηγόρης 46 5 5 5

Παράδειγμα με duplicates — Για να δεις τη διαφορά:

SELECT 
    product,
    price,
    ROW_NUMBER() OVER (ORDER BY price DESC) as row_num,
    RANK() OVER (ORDER BY price DESC) as rank_num,
    DENSE_RANK() OVER (ORDER BY price DESC) as dense_rank_num
FROM demo_orders;

Αποτέλεσμα (αν δύο προϊόντα έχουν ίδια τιμή):

product price row_num rank_num dense_rank_num
Laptop 1200 1 1 1
Laptop 1200 2 1 1
Desk 450 3 3 2
Monitor 300 4 4 3

Παρατήρησε:

  • ROW_NUMBER: 1, 2, 3, 4 (μοναδικοί)

  • RANK: 1, 1, 3, 4 (κενό στο 2)

  • DENSE_RANK: 1, 1, 2, 3 (χωρίς κενό)


4. PARTITION BY — Ομαδοποίηση Μέσα στο Παράθυρο

Τι κάνει: Χωρίζει τα δεδομένα σε ομάδες και εφαρμόζει τη συνάρτηση σε κάθε ομάδα ξεχωριστά.

Διαφορά από GROUP BY:

  • GROUP BY: Συμπιέζει τις γραμμές

  • PARTITION BY: Διατηρεί τις γραμμές, προσθέτει κατάταξη

Παράδειγμα — Κατάταξη πελατών ανά πόλη:

SELECT 
    name,
    city,
    age,
    ROW_NUMBER() OVER (PARTITION BY city ORDER BY age DESC) as rank_in_city
FROM demo_customers;

Αποτέλεσμα:

name city age rank_in_city
Γιώργος Αθήνα 52 1
Παναγιώτης Αθήνα 45 2
Αλέξανδρος Αθήνα 39 3
Μαρία Θεσσαλονίκη 51 1
Σπύρος Θεσσαλονίκη 44 2
... ... ... ...

Πώς δουλεύει:

  1. PARTITION BY city → χωρίζει σε ομάδες ανά πόλη

  2. ORDER BY age DESC → ταξινομεί μέσα σε κάθε ομάδα

  3. ROW_NUMBER → δίνει νέο αριθμό σε κάθε ομάδα

💡 Χρήση: Top-N ανά κατηγορία (π.χ. top 3 πελάτες ανά πόλη).


5. Running Totals — Αθροιστικά Σύνολα

Τι κάνει: Αθροίζει σταδιακά τις τιμές.

SELECT 
    order_date,
    price,
    SUM(price) OVER (ORDER BY order_date) as running_total
FROM demo_orders;

Αποτέλεσμα:

order_date price running_total
2024-01-15 1200 1200
2024-01-16 50 1250
2024-01-17 80 1330
2024-01-18 300 1630
... ... ...

Πώς δουλεύει:

  • SUM(price) → αθροίζει

  • OVER (ORDER BY order_date) → σταδιακά με βάση την ημερομηνία

Χρήση: Πωλήσεις που αυξάνονται μέρα με τη μέρα.


6. LAG & LEAD — Σύγκριση Γραμμών

LAG: Παίρνει την τιμή από την προηγούμενη γραμμή.
LEAD: Παίρνει την τιμή από την επόμενη γραμμή.

Παράδειγμα — Διαφορά τιμής από την προηγούμενη παραγγελία:

SELECT 
    order_id,
    price,
    LAG(price) OVER (ORDER BY order_date) as prev_price,
    price - LAG(price) OVER (ORDER BY order_date) as diff
FROM demo_orders;

Αποτέλεσμα:

order_id price prev_price diff
1001 1200 NULL NULL
1002 50 1200 -1150
1003 80 50 30
1004 300 80 220

Πώς δουλεύει:

  • LAG(price) → παίρνει την προηγούμενη τιμή

  • ORDER BY order_date → με βάση την ημερομηνία

Χρήση: Σύγκριση μήνα-με-μήνα, εβδομάδα-με-εβδομάδα.


7. Συνδυασμός — Όλα Μαζί

Παράδειγμα — Top 2 πελάτες ανά πόλη με βάση τα έξοδα:

WITH customer_spending AS (
    SELECT 
        c.name,
        c.city,
        SUM(o.price) as total_spent,
        ROW_NUMBER() OVER (PARTITION BY c.city ORDER BY SUM(o.price) DESC) as rank_in_city
    FROM demo_customers c
    INNER JOIN demo_orders o ON c.customer_id = o.customer_id
    GROUP BY c.name, c.city
)
SELECT * FROM customer_spending
WHERE rank_in_city <= 2
ORDER BY city, rank_in_city;

Αποτέλεσμα: Οι top 2 πελάτες κάθε πόλης.

Πώς δουλεύει:

  1. CTE: Φτιάχνει στατιστικά ανά πελάτη + κατάταξη στην πόλη

  2. Εξωτερικό query: Φιλτράρει τους top 2


8. NTILE — Διαχωρισμός σε Ομάδες (Percentiles)

Τι κάνει: Χωρίζει τις γραμμές σε έναν συγκεκριμένο αριθμό ομάδων (buckets) και αναθέτει έναν αριθμό σε κάθε γραμμή (1, 2, 3...). Είναι πολύ χρήσιμο για να βρεις π.χ. το «Top 20%» των πελατών.

Σύνταξη:

sql
NTILE(αριθμός_ομάδων) OVER (ORDER BY στήλη)

Παράδειγμα — Χωρισμός σε 5 ομάδες (20% η καθεμία):

SELECT name, age,
       NTILE(5) OVER (ORDER BY age DESC) as age_group
FROM demo_customers;

Πώς δουλεύει:

  • Αν έχεις 30 πελάτες και βάλεις NTILE(5), η βάση θα τους χωρίσει σε 5 ομάδες των 6 ατόμων.

  • Η ομάδα 1 θα περιέχει τους 6 μεγαλύτερους σε ηλικία (το Top 20%).

  • Η ομάδα 5 θα περιέχει τους 6 μικρότερους.

Πότε το χρησιμοποιείς:

  • Για να βρεις το Top 10% ή Top 20% των πελατών με τα μεγαλύτερα έσοδα.

  • Για να χωρίσεις τους πελάτες σε κατηγορίες (π.χ. VIP, Gold, Silver, Bronze).

💡 Tip: Το NTILE(4) χωρίζει τα δεδομένα σε 4 ομάδες (25% η καθεμία). Το NTILE(10) σε 10 ομάδες (10% η καθεμία).


 

9. Σύνοψη

Συνάρτηση Τι Κάνει
OVER() Ορίζει το παράθυρο
PARTITION BY Ομαδοποιεί
ORDER BY Ταξινομεί μέσα στο παράθυρο
ROW_NUMBER Μοναδικός αριθμός
RANK Κατάταξη με κενά
DENSE_RANK Κατάταξη χωρίς κενά
SUM() OVER Running total
LAG / LEAD Προηγούμενη / επόμενη τιμή

Σύνταξη:

 
SELECT 
    στήλες,
    συνάρτηση() OVER (
        PARTITION BY στήλη
        ORDER BY στήλη
    ) as alias
FROM πίνακας;

10. Καλές Πρακτικές

 
✅ Κάνε ❌ Μην Κάνεις
Χρησιμοποίησε PARTITION BY όταν χρειάζεται Βάζεις τα πάντα σε ένα OVER()
Ονόμασε τις στήλες με AS Αφήνεις default ονόματα
Έλεγξε τη σειρά ORDER BY Ξεχνάς το ORDER BY
Δοκίμασε πρώτα σε μικρό dataset Τρέχεις σε 10.000 γραμμές
Σχολίασε τα σύνθετα queries Αφήνεις χωρίς εξήγηση

Last modified: Wednesday, 28 October 2026, 8:26 AM