인프런 커뮤니티 질문&답변

안녕하세요. 강의를 잘 듣고 있습니다.

다름이 아니라, 연습문제를 모두 풀고 나서 윈도우함수 강의를 듣는 과정에서, default에 대해 궁금한 점이 생겼습니다.

정확히, 계산을 해야할 경우, 중복된 데이터가 있는 경우를 고려해서, ROWS BETWEEN UNBOUNDED PRECEDINIG AND CURRENT ROW 라고 프레임의 범위를 정확하게 명시를 하는 것이 좋을 것 같다. 라는 생각이 들었습니다.

그 이유는 다음과 같습니다.

강의에서 말씀해주신대로, 구글 빅쿼리는 default 값이 RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW 라고 되어있는데요,

-- 4)
-- 누적 쿼리: 과거의 시간(UNBOUNDED PRECEDING)부터 current row까지
SELECT
  *,
  SUM(query_cnt) OVER(PARTITION BY user ORDER BY query_date) AS cumulative_sum
  SUM(query_cnt) OVER(PARTITION BY user ORDER BY query_date ROWS BETWEEN
	  UNBOUNDED PRECEDING AND CURRENT ROW) AS cumulative_sum2
FROM (
SELECT
  query_date,
  team,
  user,
  COUNT(user) AS query_cnt
FROM advanced.query_logs
GROUP BY ALL
)
-- QUALIFY cumulative_sum != cumulative_sum2
ORDER BY user, query_date

문득, default값이 RANGE BETWEEN UNBOUND PRECEDING AND CURRENT ROW 라면, 왜 ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW 와 같은 값을 가질까? 다른 값을 가지는 경우도 있지 않을까? 하는 의문이 들었습니다.

예제에서는, GROUP BY ALL을 했기 때문에, 중복 데이터가 있어도, query_cnt로 집계가 된 상태에서, 윈도우 함수를 실행하다보니, QUALIFY로 조건절 검증을 수행해도, != 를 만족하는 데이터가 없었던 것 같았습니다.

그래서, 1번 예제와 4번 예제를 결합해서, 다음과 같이 검증을 수행해보았습니다.

-- INSERT INTO my_sess.query_logs (user, team, query_date)
-- VALUES ('샘', 'Data Science', '2024-04-24');

SELECT
  *,
  --  시간의 흐름에 따라, 일자별 유저가 실행한 누적 총 쿼리 수
  SUM(total_query_cnt) OVER(PARTITION BY user ORDER BY query_date) AS cumulative_total_sum,
  SUM(total_query_cnt) OVER(PARTITION BY user ORDER BY query_date ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS cumulative_total_sum2
FROM (
SELECT
  *,
  -- 사용자별 시간의 흐름에 따라 쿼리를 실행한 총 횟수: total_query_cnt
  COUNT(query_date) OVER(PARTITION BY user) AS total_query_cnt
FROM
  my_sess.query_logs
)
-- QUALIFY cumulative_total_sum != cumulative_total_sum2
ORDER BY user, query_date

결과는 다음과 같습니다.

중복데이터가 있을 경우, RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW는 다 합쳐서 하나로 집계해서 결과값을 내놓는 것으로 보입니다.

QUALIFY 함수를 적용했을 때

cumulative_total_sum = cumulative_total_sum2 인 경우

데이터 중복이 없을 경우에는, 같은 값이 나옵니다.