所谓窗口函数，就是相当于在一个独立的窗口空间里对数据进行计算和分析，但不改变原始数据。

而且窗口还可以根据事先设置的条件动态滑动，例如基于时间滑动。

窗口函数

窗口函数官方文档

虽然前面已经介绍了大量的聚合函数，但还是有一些高频出现的没覆盖到，所以这里就来集中汇总一下。

聚合函数官方文档

1. topK(N)(x)

经常会出现统计数量，然后按数量的倒序排序并取前N个值的场景，这就是典型的TopN需求。

Clickhouse直接提供了返回指定列中最频繁出现的前N个值的函数。

Clickhouse一共指定了二十多个函数为高阶函数，它们中的大部分都在高阶函数中列出。

由于文档更新原因，有些函数没列出来，而有些函数的文档有错误，这里全部都一一修正。

条件函数

1. if函数

其实Clickhouse本质上就是一门可以编程的数据库，所以条件判断也是标配。

最简单的条件判断就是这样的。

:) SELECT if(cond, then, else);

Clickhouse的语法并不复杂，但是有些查询语句不仅比较难理解，而且出现的频率还极高。

能够用好它们，做大数据的OLAP基本上没啥难度。用不好，面对一大堆数据可能会觉得无从下手。

这里就来盘点盘点。

WITH子句

官方对WITH的说明

作为一个专门用于OLAP数据分析，且目前最快的数据库系统，Clickhouse之前是不支持更新和删除操作的，但迫于需求压力，还是增加了这两种功能。

为了兼顾存储效率和查询性能，Clickhouse为不同的应用场景提供了不同的删除方式。

想知道Clickhouse都有哪些数据类型和哪些设置，可以通过如下SQL语句查询。

:) SELECT * FROM system.data_type_families

:) SELECT * from system.settings

数据库引擎

1. MySQL引擎

用于将远程MySQL服务器中的表映射到Clickhouse，并对这些表进行INSERT和SELECT操作。其实它就是一个Clickhouse操作MySQL数据库的接口。

概念

分区

分区是针对表而言的，Clickhouse可以把一张表拆分成多个区块，这类似于MySQL的水平分表。

分区后的表还是一张表，数据处理还是由自己来完成。

建表时加入partition关键字，允许查询在指定分区键的条件下，尽可能的少读取数据，提升性能。

文档

多平台(windows/mac/linux) + 多方式(docker/rpm/yum)部署

官方docker安装（仅测试）