级联窗口(叠加窗口)
  下面的查询显示了这样一个场景,返回每个记录的统计结果,但是该结果会在固定时间被重置。
  SELECT STREAM rowtime,
  productId,
  units,
  SUM(units) OVER (PARTITION BY FLOOR(rowtime TO HOUR)) AS unitsSinceTopOfHour
  FROM Orders;
  这种方式类似滑窗的查询,但是单调表达式发生在Partition by子句中。随着时间从10:59:59到11:00:00,Floor从10:00:00变为11:00:00,因此,一个新的分组开始产生了。sum的统一结果开始重置。
  Calcite知道旧分组永远不会再次使用,因此会从内部存储中删除该分组的所有统计结果。
  行组窗
  使用Window语法和Over方式可以做到。
  单调和准单调
  这是作者在Calcite的StreamSQL中提出的概念。
  如果一个列或者表达式是递增或者递减的,那么成为是单调的。
  如果列或者表达式是乱序的,并且有一种机制(比如标点符号或者水印)来生成特定值永远不会被看到,那么这列或者表达式是准单调的。
  概念很南理解,但是其实是要求流上的数据是全局有序的。可以是事件顺序,或者事件id的顺序。一般情况下,我们会自动为事件补齐时间。
  有了这种顺序,我们能很容易实现水印这样的功能了。
  流和表的说明
  CREATE VIEW HourlyOrderTotals (rowtime, productId, c, su) AS
  SELECT TUMBLE_END(rowtime, INTERVAL '1' HOUR),
  productId,
  COUNT(*),
  SUM(units)
  FROM Orders
  GROUP BY TUMBLE(rowtime, INTERVAL '1' HOUR), productId;
  SELECT STREAM rowtime, productId
  FROM HourlyOrderTotals
  WHERE c > 2 OR su > 10;
  rowtime | productId
  ----------+-----------
  10:00:00 |        30
  11:00:00 |        10
  11:00:00 |        40
  看看上面的视图,这个是一张表还是一个流?
  因为它没有使用Stream关键字,所以必然是一个关系,是一张表, 但是它是可以被转化为流的表 。你可以在流和关系的查询中使用它。
  和它等价的查询还有:
  WITH HourlyOrderTotals (rowtime, productId, c, su) AS (
  SELECT TUMBLE_END(rowtime, INTERVAL '1' HOUR),
  productId,
  COUNT(*),
  SUM(units)
  FROM Orders
  GROUP BY TUMBLE(rowtime, INTERVAL '1' HOUR), productId)
  SELECT STREAM rowtime, productId
  FROM HourlyOrderTotals
  WHERE c > 2 OR su > 10;
  rowtime | productId
  ----------+-----------
  10:00:00 |        30
  11:00:00 |        10
  11:00:00 |        40
  这种方法不限于子查询和视图, 流式SQL中的每个查询都被定义为关系查询,并且使用顶层Select子句中的Stream关键字被转换为流 。
  流上的Join分为两种, 流和表的Join以及流和流的Join
  流上的Join实际都是窗口和窗口的JOin,或者窗口和表的Join,本质上都是表之间的Join,因为窗口是一张表。
  比如下面一个流和表之间的Join
  “`sql
  SELECT STREAM o.rowtime, o.productId, o.orderId, o.units,
  p.name, p.unitPrice
  FROM Orders AS o
  JOIN Products AS p
  ON o.productId = p.productId;
  rowtime | productId | orderId | units | name | unitPrice
  ———-+———–+———+——-+ ——-+———–
  10:17:00 | 30 | 5 | 4 | Cheese | 17
  10:17:05 | 10 | 6 | 1 | Beer | 0.25
  10:18:05 | 20 | 7 | 2 | Wine | 6
  10:18:07 | 30 | 8 | 20 | Cheese | 17
  11:02:00 | 10 | 9 | 6 | Beer | 0.25
  11:04:00 | 10 | 10 | 1 | Beer | 0.25
  11:09:30 | 40 | 11 | 12 | Bread | 100
  11:24:11 | 10 | 12 | 4 | Beer | 0.25
  “`
  Order是流,Products是表。两个Join之后结果肯定是流,然后,因为没有窗口,所以默认情况下应该是一个仅仅保存当前数据的长度为1的窗口,当前Order数据和Products做Join。
  流和流的Join如下:
  SELECT STREAM o.rowtime, o.productId, o.orderId, s.rowtime AS shipTime
  FROM Orders AS o
  JOIN Shipments AS s
  ON o.orderId = s.orderId
  AND s.rowtime BETWEEN o.rowtime AND o.rowtime + INTERVAL '1' HOUR;
  rowtime | productId | orderId | shipTime
  ----------+-----------+---------+----------
  10:17:00 |        30 |       5 | 10:55:00
  10:17:05 |        10 |       6 | 10:20:00
  11:02:00 |        10 |       9 | 11:58:00
  11:24:11 |        10 |      12 | 11:44:00
  这个查询中没有显式的定义窗口,但是实际上已经通过where条件来锁定了数据范围。也是说,会自动将数据保存在一个窗口中。
  DML语句
  可以使用Create View语句来创建视图,上面已经可以看到,同时,也可以使用Insert AS select的方式将流上的数据导入其他流。
  比如:
  CREATE VIEW LargeOrders AS
  SELECT STREAM * FROM Orders WHERE units > 1000;
  INSERT INTO LargeOrders
  SELECT STREAM * FROM Orders WHERE units > 1000;
  还可以通过Upsert语句来维护窗口数据
  UPSERT INTO OrdersSummary
  SELECT STREAM productId,
  COUNT(*) OVER lastHour AS c
  FROM Orders
  WINDOW lastHour AS (
  PARTITION BY productId
  ORDER BY rowtime
  RANGE INTERVAL '1' HOUR PRECEDING)
  开发计划
  已经完成
  · 流上的 SELECT, WHERE, GROUP BY, HAVING, UNION ALL, ORDER BY
  · FLOOR和CEIL函数
  · 单调性(Monotonicity)
  · 禁用流式结果集
  比如:
  sql
  > SELECT STREAM * FROM (VALUES (1, 'abc'));
  ERROR: Cannot stream VALUES
  未完成
  · 流和流的Join
  · 流和表的Join
  · 基于视图的流
  · 流上的包含Order by的Union ALL(流合并)
  · 流上的关系型查询
  · 流上的窗口聚合(滑窗和级联窗口)
  · 忽略视图和子查询中的Stream关键字
  · 流上的Order by不能包含Offset和Limit
  · 运行时候检查是否有足够的历史记录数据来进行查询
  · 准单调性–需要有一种机制,能够申明数据一旦计算完毕,不再更新,或者是计算完毕之后,如果新结果有刷新,再来更新。比如水印功能。
  · HOP和TUMBLE函数,以及辅助性的HOP_START, HOP_END, TUMBLE_START, TUMBLE_END函数