Hàm cửa sổ (Window Function)
1. Khái quát
Hàm cửa sổ (Window Function) là hàm phân tích SQL thực hiện tính toán tổng hợp, xếp hạng hoặc offset trên một tập hợp các hàng có liên quan logic với hàng hiện tại (cửa sổ, Window) mà không gộp các hàng kết quả thành một, và trả về một giá trị kết quả cho mỗi hàng. Điểm khác biệt quyết định so với hàm tổng hợp thông thường là nó chỉ định phạm vi cửa sổ bằng mệnh đề
OVER.
Các hàm tổng hợp truyền thống (SUM, AVG, COUNT), khi dùng cùng GROUP BY, sẽ gập nhiều hàng thành một hàng tóm tắt duy nhất. Tuy nhiên, phần lớn truy vấn phân tích trong thực tế đòi hỏi "hiển thị từng dòng chi tiết nguyên vẹn, đồng thời đính kèm bên cạnh giá trị trung bình phòng ban, tổng lũy kế hay thứ hạng." Trước đây, để làm điều này phải tự kết nối (self-join) cùng một bảng hoặc viết lặp đi lặp lại truy vấn con tương quan (correlated subquery), khiến truy vấn dài, chậm và kém dễ đọc. Hàm cửa sổ ra đời chính là để giải quyết khoảng cách này — bảo toàn dữ liệu chi tiết song song với việc đưa ra hiểu biết tổng hợp — trong một cú pháp duy nhất.
Hàm cửa sổ được giới thiệu chính thức trong chuẩn SQL:2003 và kể từ đó trở thành công cụ chuẩn trên thực tế cho truy vấn phân tích. Oracle hỗ trợ sớm dưới dạng Hàm phân tích (Analytic Function), SQL Server cung cấp hàm xếp hạng và tính năng khung (frame), PostgreSQL hỗ trợ từ phiên bản 8.4, và MySQL khá muộn từ 8.0 (2018), nên ngày nay gần như mọi DBMS quan hệ và engine phân tích đều cung cấp chúng. Đây là phép toán cốt lõi của kho dữ liệu, BI và báo cáo thời gian thực, và từ góc nhìn Kỹ sư chuyên nghiệp, luận điểm cốt lõi là hàm ý thiết kế "nâng sức biểu đạt của phép tổng hợp theo hướng khai báo, đẩy logic ứng dụng xuống DB."
Nhớ lại việc truy vấn phân tích đau đớn ra sao trước khi có hàm cửa sổ sẽ thấy rõ sự cần thiết của nó. Để tìm "người lương cao nhất mỗi phòng ban" phải tạo truy vấn con tính lương cao nhất theo phòng ban rồi kết nối lại với bảng gốc; để tính "doanh thu lũy kế" phải viết truy vấn con tương quan cộng tất cả hàng bằng hoặc dưới hàng hiện tại, hy sinh hiệu năng. Những truy vấn như vậy không chỉ khó viết mà còn khó đọc ra ý định. Bằng cách thay thế mô hình lặp lại và dễ sai sót này bằng cú pháp khai báo đã chuẩn hóa, hàm cửa sổ giúp người phân tích tập trung vào chính câu hỏi dữ liệu, một đóng góp đáng kể về mặt năng suất.
Có thể tóm tắt các đặc trưng như sau. Thứ nhất, nó bảo toàn số lượng hàng (N hàng vào → N hàng ra). Thứ hai, nó chỉ định phân vùng, sắp xếp và khung theo hướng khai báo qua mệnh đề OVER. Thứ ba, nó chỉ dùng được trong mệnh đề SELECT và ORDER BY, không dùng trực tiếp trong WHERE, GROUP BY, HAVING (vì được đánh giá sau các mệnh đề này theo thứ tự thực thi logic). Thứ tư, nhiều hàm cửa sổ có thể pha trộn với các cửa sổ khác nhau trong một truy vấn, mang lại sức biểu đạt rất cao.
Nhờ các tính chất này, hàm cửa sổ được đánh giá là công nghệ đã thay đổi hệ hình của truy vấn phân tích, chứ không chỉ là tiện lợi cú pháp. Trước đây, để có đồng thời dữ liệu chi tiết và hiểu biết tổng hợp phải quay về tư duy thủ tục (vòng lặp con trỏ để cập nhật biến tích lũy) hoặc viết truy vấn lồng nhau phức tạp, trong khi hàm cửa sổ hoàn thiện cách tiếp cận khai báo, nơi bạn chỉ khai báo "tính gì" còn "tính thế nào" do bộ tối ưu chịu trách nhiệm. Trong bài thi Kỹ sư chuyên nghiệp, trình bày điểm này trong bối cảnh "mở rộng sức biểu đạt của SQL hướng tập hợp (set-oriented)" sẽ rất thuyết phục.
2. Cấu tạo và nguyên lý hoạt động của hàm cửa sổ
Hàm cửa sổ được đánh giá trong đường ống xử lý logic của truy vấn sau khi đã qua hết FROM, WHERE, GROUP BY, HAVING, tại giai đoạn tập kết quả gần như đã được xác định. Do vị trí này, để lọc theo kết quả hàm cửa sổ trong mệnh đề WHERE bắt buộc phải bọc một lần bằng truy vấn con hoặc CTE, một ràng buộc thực tế. Sơ đồ cấu trúc dưới đây cho thấy thời điểm hàm cửa sổ được đánh giá.
flowchart TB
A["FROM / JOIN<br/>(dựng tập nguồn)"] --> B["WHERE<br/>(lọc hàng)"]
B --> C["GROUP BY / tổng hợp<br/>(tóm tắt nhóm)"]
C --> D["HAVING<br/>(lọc nhóm)"]
D --> E["đánh giá hàm cửa sổ<br/>(OVER: phân vùng, sắp xếp, khung)"]
E --> F["chiếu SELECT"]
F --> G["ORDER BY / LIMIT"]
style E fill:#e1f5ff,stroke:#0288d1
Như sơ đồ cho thấy, hàm cửa sổ hoạt động ngay trước phép chiếu SELECT nhưng sau phép tổng hợp nhóm. Do đó có thể phân tích hai tầng, đặt hàm cửa sổ lên trên kết quả đã được tóm tắt bởi GROUP BY để "tính tiểu tổng theo nhóm rồi xếp hạng các tiểu tổng đó." Không hiểu thứ tự thực thi này sẽ lặp lại lỗi thường gặp "dùng hàm cửa sổ trong WHERE thì báo lỗi."
Mô hình chuẩn để vượt qua ràng buộc này chính là bọc một lớp bằng CTE (Biểu thức bảng chung) hoặc khung nhìn nội tuyến (inline view). Truy vấn bên trong tính thứ hạng hay giá trị lũy kế bằng hàm cửa sổ thành các cột, còn truy vấn bên ngoài lọc theo các cột đó trong WHERE. Ví dụ, truy vấn Top-N như "chỉ lấy hạng 1 mỗi phòng ban" được viết theo cấu trúc hai tầng: gán ROW_NUMBER bên trong và áp dụng WHERE rn = 1 bên ngoài. Khi đã thấm nhuần mô hình này, ràng buộc vị trí thực thi của hàm cửa sổ chuyển từ một giới hạn thành một cấu trúc dễ đọc "tách bạch rõ ràng các giai đoạn phân tích."
A. Ba thành phần của mệnh đề OVER
Hành vi của hàm cửa sổ được quyết định hoàn toàn bởi ba yếu tố của mệnh đề OVER — phân vùng (PARTITION BY), sắp xếp (ORDER BY), và khung (Frame). Kết hợp ba yếu tố này để kiểm soát chính xác "xem những hàng nào quanh hàng hiện tại."
PARTITION BY (chia phân vùng) chia toàn bộ tập kết quả thành nhiều ngăn độc lập theo giá trị của các cột được chỉ định. Mỗi phân vùng được cô lập hoàn toàn, nên hàm cửa sổ chỉ lấy các hàng trong cùng phân vùng làm đối tượng tính toán. Ví dụ PARTITION BY dept kẻ ranh giới theo phòng ban để chỉ tính xếp hạng và lũy kế bên trong một phòng ban. Bỏ qua PARTITION BY thì toàn bộ tập kết quả trở thành một phân vùng. Về khái niệm nó giống GROUP BY, nhưng khác biệt quyết định là trong khi GROUP BY gập một nhóm thành một hàng, PARTITION BY chỉ giới hạn phạm vi tính toán mà vẫn bảo toàn các hàng. Lưu ý rằng PARTITION BY là khái niệm hoàn toàn khác với việc phân vùng lưu trữ vật lý của bảng (partitioning) — cái trước là ngăn tính toán logic tại thời điểm thực thi truy vấn, cái sau là chiến lược bố trí dữ liệu trên đĩa; chúng trùng tên nên dễ nhầm, nhưng tầng bậc hoàn toàn khác nhau.
ORDER BY (sắp xếp cửa sổ) định thứ tự các hàng bên trong mỗi phân vùng. Hàm xếp hạng (ROW_NUMBER, RANK, v.v.) và hàm offset (LAG, LEAD) chỉ có ý nghĩa khi có thứ tự này, và phép tổng hợp lũy kế (running total) cũng chồng giá trị theo thứ tự sắp xếp. Cần lưu ý rằng ORDER BY bên trong mệnh đề OVER không đảm bảo thứ tự của kết quả cuối cùng của truy vấn — nó chỉ là thứ tự dùng cho tính toán cửa sổ, còn thứ tự đầu ra cuối cùng phải chỉ định bằng ORDER BY cấp cao nhất riêng. Ngoài ra, khi khóa sắp xếp có lẫn NULL, kết quả xếp hạng và offset thay đổi tùy theo chỉ định NULLS FIRST/NULLS LAST, nên việc ghi rõ quy tắc sắp xếp NULL trong đặc tả là cách phòng ngừa khiếm khuyết.
Khung (Frame, khung cửa sổ) là cơ chế, bên trong một phân vùng đã sắp xếp, chỉ định hẹp hơn "phạm vi các hàng thực sự được đưa vào tính toán so với hàng hiện tại." Có ba chế độ: ROWS BETWEEN ... AND ... (theo số hàng vật lý), RANGE BETWEEN ... (theo giá trị khóa sắp xếp), và GROUPS BETWEEN ... (theo nhóm đồng hạng). Ví dụ ROWS BETWEEN 2 PRECEDING AND CURRENT ROW lấy hai hàng liền trước và hàng hiện tại, tức ba hàng, làm cửa sổ để tính trung bình trượt. Nếu không chỉ định khung thì khung mặc định được áp dụng: có ORDER BY thì là RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW (từ đầu đến hàng hiện tại), không có thì toàn bộ phân vùng là mặc định.
| Yếu tố OVER | Vai trò | Hành vi khi bỏ qua |
|---|---|---|
| PARTITION BY | Chia phạm vi tính toán thành ngăn | Toàn bộ là một phân vùng |
| ORDER BY | Định thứ tự hàng trong phân vùng | Không thứ tự (xếp hạng/offset vô nghĩa) |
| Frame (ROWS/RANGE/GROUPS) | Giới hạn phạm vi bao gồm quanh hàng hiện tại | Khung mặc định tùy có ORDER BY |
Quy tắc khung mặc định này là nguồn gốc của cạm bẫy tai tiếng nhất trong thực tế. Lý do LAST_VALUE(x) OVER (ORDER BY d) trả về "giá trị của hàng hiện tại" chứ không phải "giá trị cuối của phân vùng" chính là vì khung mặc định bị cắt tại hàng hiện tại. Để dùng đúng phải mở khung toàn bộ bằng ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING. Dùng hàm cửa sổ đúng cách nghĩa là hiểu chính xác giá trị khung mặc định và khung chỉ định tường minh.
Sự khác biệt ngữ nghĩa giữa ROWS và RANGE cũng phải được phân biệt khi thiết kế. ROWS đếm phạm vi theo số hàng vật lý đã sắp xếp, tạo cửa sổ theo số lượng như "ba hàng liền trước," trong khi RANGE lấy giá trị của khóa sắp xếp làm cơ sở, gộp "các hàng đồng hạng (peer) có cùng giá trị sắp xếp với hàng hiện tại" thành một khối. Do đó, tính tổng lũy kế bằng RANGE trên bảng có cùng một ngày xuất hiện nhiều lần sẽ khiến tất cả hàng cùng ngày chia sẻ cùng một giá trị lũy kế — đúng nếu đó là ý định, nhưng là lỗi nếu muốn "lũy kế tuần tự theo từng hàng." Việc hai chế độ cho kết quả khác nhau khi khóa sắp xếp có trùng lặp phải được kiểm chứng bằng kiểm thử.
3. Các loại hàm cửa sổ
Hàm cửa sổ chia thành ba nhóm lớn: hàm xếp hạng, hàm offset (phân tích), và hàm cửa sổ tổng hợp. Mỗi nhóm khác nhau về độ nhạy với khung và công dụng điển hình. Sơ đồ chi tiết dưới đây cho thấy quá trình khung di chuyển cùng hàng hiện tại trên một phân vùng đã sắp xếp và phép tổng hợp tích lũy.
flowchart LR
subgraph P["Phan vung: Phong A (sap xep theo doanh thu)"]
direction LR
R1["hang1<br/>100"] --> R2["hang2<br/>150"] --> R3["hang3<br/>200"] --> R4["hang4<br/>250"]
end
R3 -. "hang hien tai" .-> CUR["khung:<br/>UNBOUNDED PRECEDING ~ CURRENT ROW<br/>tong luy ke=450"]
style R3 fill:#ffe0b2,stroke:#e65100
style CUR fill:#e1f5ff,stroke:#0288d1
A. Hàm xếp hạng (Ranking Functions)
Hàm xếp hạng gán thứ hạng cho mỗi hàng bên trong một phân vùng đã sắp xếp. ROW_NUMBER() gán số thứ tự duy nhất 1, 2, 3… bất kể đồng hạng; RANK() cho các giá trị đồng hạng cùng thứ hạng nhưng nhảy qua thứ hạng kế (1, 1, 3); DENSE_RANK() cho đồng hạng cùng thứ hạng mà không nhảy (1, 1, 2). NTILE(n) chia phân vùng thành n nhóm đều nhau để tính phân vị (tứ phân vị, thập phân vị, v.v.), và PERCENT_RANK() / CUME_DIST() trả về vị trí bách phân vị và phân phối lũy kế.
Sự khác biệt tinh tế này mang tính quyết định trong thực tế. Ví dụ, trong truy vấn Top-N "chỉ trích xuất 3 người doanh thu cao nhất mỗi phòng ban," số người kết quả thay đổi theo chính sách xử lý đồng hạng. ROW_NUMBER trả về đúng 3 người ngay cả khi có đồng điểm, trong khi RANK hay DENSE_RANK bao gồm tất cả những người đồng hạng 3 và có thể trả về 3 người trở lên. Việc một sàn thương mại điện tử, khi chọn "10 sản phẩm bán chạy nhất mỗi danh mục," có phơi bày tất cả sản phẩm đồng hạng hay cắt tùy ý còn 10 chính là vấn đề lựa chọn này. Mô hình Top-N là trường hợp tiêu biểu nhất của hàm cửa sổ thay thế truy vấn con tương quan; chuẩn mực là cấu trúc hai tầng xếp hạng bằng PARTITION BY category ORDER BY sales DESC rồi lọc bên ngoài bằng WHERE rnk <= 10.
Hàm xếp hạng còn được dùng như kỹ thuật chuẩn để khử trùng lặp (deduplication). Trên bảng có khóa tự nhiên bị trùng, "chỉ giữ bản ghi mới nhất" được giải quyết gọn gàng bằng cách đánh số mỗi nhóm khóa bằng ROW_NUMBER() OVER (PARTITION BY natural_key ORDER BY updated_at DESC) rồi chỉ lấy hàng số 1. Logic lọc bỏ sự kiện trùng lặp đến muộn trong đường ống nạp dữ liệu (ingestion) chính là thành ngữ này; trong khi DISTINCT hay tổng hợp nhóm không thể kiểm soát "giữ hàng nào làm đại diện," hàm cửa sổ ưu việt ở chỗ có thể chỉ định quy tắc chọn hàng đại diện qua tiêu chí sắp xếp. NTILE được dùng để phân khúc, xếp khách hàng vào thập phân vị chi tiêu để gán hạng, còn CUME_DIST để tính vị trí bách phân vị của điểm số hay lương.
B. Hàm offset / giá trị (Offset / Value Functions)
Hàm offset tham chiếu trực tiếp giá trị tại một vị trí cụ thể trước hoặc sau hàng hiện tại. LAG(x, n) lấy giá trị n hàng trước và LEAD(x, n) giá trị n hàng sau, cho phép phân tích biến động theo kỳ mà không cần self-join. Ví dụ, trong bảng doanh thu theo tháng, doanh_thu - LAG(doanh_thu,1) OVER (ORDER BY thang) tính mức biến động so với tháng trước trong một dòng. FIRST_VALUE / LAST_VALUE / NTH_VALUE trả về giá trị tại vị trí cụ thể trong khung, dùng để so sánh tương đối với giá trị tham chiếu của mỗi nhóm (ví dụ tên người lương cao nhất phòng ban).
Như một trường hợp thực tế, trong phân tích dữ liệu tài chính, suất sinh lời của giá cổ phiếu so với ngày trước được biểu diễn là (gia_dong - LAG(gia_dong) OVER (PARTITION BY ma_cp ORDER BY ngay)) / LAG(gia_dong) OVER (...), nén vào một cú pháp duy nhất phép tính mà trước đây đòi hỏi self-join phức tạp ghép nối các ngày. Trong phân tích rời bỏ người dùng cũng vậy, LEAD(ngay_dang_nhap) - ngay_dang_nhap được dùng rộng rãi để tính khoảng cách đến lần đăng nhập kế tiếp và phát hiện chuyển sang trạng thái ngủ.
Hàm offset đặc biệt là công cụ cốt lõi cho phân phiên (sessionization) và chia khoảng chuỗi thời gian. Trong phân tích nhật ký web, logic tính khoảng cách giữa các sự kiện liên tiếp của cùng một người dùng bằng thoi_diem_su_kien - LAG(thoi_diem_su_kien) rồi cắt phiên mới khi khoảng cách đó vượt 30 phút là rất khó viết nếu không có hàm cửa sổ. Áp dụng lại tổng lũy kế lên "cờ ranh giới phiên" được tính như vậy có thể gán số phiên, trở thành thành ngữ điển hình của kỹ thuật phân tích kết hợp từng bước hàm offset và hàm cửa sổ tổng hợp. Về số liệu, công việc mất hàng chục phút để phân phiên hàng chục triệu nhật ký bằng mã thủ tục được ghi nhận xử lý ở mức hàng chục giây bằng SQL dựa trên hàm cửa sổ trên engine phân tích.
C. Hàm cửa sổ tổng hợp (Aggregate Window Functions)
Gắn mệnh đề OVER vào các hàm tổng hợp sẵn có như SUM, AVG, COUNT, MIN, MAX sẽ biến chúng thành hàm cửa sổ tổng hợp. Tùy cách chỉ định khung, nhiều phân tích khả thi: tổng lũy kế (running total), trung bình trượt (moving average), tỷ trọng trong nhóm (giá trị mỗi hàng / tổng phân vùng), v.v. Doanh thu lũy kế được biểu diễn là SUM(doanh_thu) OVER (ORDER BY ngay), và trung bình trượt 7 ngày là AVG(doanh_thu) OVER (ORDER BY ngay ROWS BETWEEN 6 PRECEDING AND CURRENT ROW).
Như một ứng dụng ngành, bảng điều khiển bán hàng theo ngày của bán lẻ hiển thị doanh thu trong ngày, doanh thu lũy kế và trung bình trượt 7 ngày gần nhất trên một màn hình, và cả ba chỉ số đều được tạo ra bởi một bộ hàm cửa sổ tổng hợp trên cùng một bảng. Khi báo cáo lượng dùng dữ liệu của nhà mạng tính "lượng dùng lũy kế tháng này bằng bao nhiêu % trung bình toàn gói cước," cũng được giải trong một truy vấn duy nhất dưới dạng SUM(...) OVER (PARTITION BY thue_bao ...) / AVG(...) OVER (), chỉ định tử số và mẫu số bằng các cửa sổ khác nhau.
Chọn nhóm nào trong ba nhóm được quyết định bởi "muốn biết gì quanh hàng hiện tại." Nếu muốn vị trí tương đối (thứ hạng, phân vị), chọn hàm xếp hạng; nếu muốn giá trị của một hàng cụ thể trước hoặc sau, hàm offset; nếu muốn một tóm tắt như tổng hay trung bình của các hàng liên quan, hàm cửa sổ tổng hợp. Một bảng điều khiển thường pha trộn cả ba nhóm, nên năng lực thiết kế hiểu độ nhạy khung của mỗi hàm và kết hợp hợp lý sẽ chi phối chất lượng truy vấn phân tích.
Một thế mạnh khác của hàm cửa sổ tổng hợp là có thể tính đồng thời tỷ trọng trong nhóm và tỷ trọng tổng thể. doanh_thu / SUM(doanh_thu) OVER (PARTITION BY phong_ban) cho thấy mức đóng góp trong phòng ban và doanh_thu / SUM(doanh_thu) OVER () mức đóng góp toàn công ty, cạnh nhau trên cùng một hàng. Điều này đặc biệt hữu ích trong các phân tích cần "xem cùng lúc giá trị cá thể và tỷ trọng lũy kế," như phân tích Pareto (20% đứng đầu chiếm bao nhiêu % tổng thể) hay phân loại tồn kho ABC. Với trung bình trượt, thay đổi độ rộng khung thành 7 ngày và 28 ngày sẽ trích xuất đường xu hướng ngắn hạn và trung hạn trong một truy vấn, cho phép so sánh xu hướng đã khử nhiễu, và cũng đóng vai trò chỉ số nền tảng cho phát hiện bất thường (đánh dấu các khoảng mà giá trị thực lệch khỏi trung bình trượt quá ngưỡng).
4. So sánh với GROUP BY và truy vấn con
Để hiểu giá trị của hàm cửa sổ, phải nắm lý do sự khác biệt phát sinh so với các kỹ thuật truyền thống mà nó thay thế. Cốt lõi nằm ở "có bảo toàn hàng hay không" và "quét bao nhiêu lần."
GROUP BY gập một nhóm thành một hàng, nên để xem cùng lúc hàng chi tiết và giá trị tổng hợp phải kết nối lại bảng gốc với kết quả tổng hợp. Hàm cửa sổ loại bỏ phép kết nối này và trả về đồng thời chi tiết và tổng hợp trong một lần quét logic. Phương pháp truy vấn con tương quan chạy lặp phép tổng hợp bên trong cho mỗi hàng của truy vấn bên ngoài, nên về nguyên lý phát sinh phi hiệu quả gần O(N²), trong khi hàm cửa sổ kết thúc bằng một lần xử lý tuần tự sau khi sắp xếp và thường hiệu quả hơn nhiều. Trong các trường hợp đo thực, việc tính tổng lũy kế trên hàng triệu hàng bằng truy vấn con tương quan mất hàng chục giây thường được rút ngắn xuống trong vài giây bằng hàm cửa sổ.
| Phân loại | Tổng hợp GROUP BY | Truy vấn con tương quan | Hàm cửa sổ |
|---|---|---|---|
| Bảo toàn hàng | Không (bị gập) | Có | Có |
| Chi tiết + tổng hợp đồng thời | Cần kết nối thêm | Được nhưng chạy lặp | Một cú pháp |
| Đặc tính hiệu năng | Tốt | Khuynh hướng O(N²) | Một lượt sau sắp xếp |
| Khả năng đọc | Trung bình | Thấp (lồng nhau) | Cao (khai báo) |
Dù vậy, hàm cửa sổ không phải lúc nào cũng ưu việt. Nếu chỉ cần "một dòng tổng theo nhóm," GROUP BY súc tích hơn, và trên khối lượng lớn với chi phí sắp xếp (sort) cao, giai đoạn sắp xếp của hàm cửa sổ có thể thành nút cổ chai. Do đó chọn công cụ theo mục đích "có cần bảo toàn chi tiết, hay chỉ cần tổng hợp" là hàm ý thực tiễn.
Một khác biệt đáng chú ý khác là xử lý NULL và nhóm rỗng. GROUP BY không hiển thị một nhóm trong kết quả nếu không có gì để tổng hợp, nhưng hàm cửa sổ bảo toàn mọi hàng chi tiết, nên ngay cả các khoảng không có giá trị cũng được bộc lộ tường minh. Điều này quan trọng trong báo cáo chuỗi thời gian liên tục, nơi "ngày không có dữ liệu phải hiển thị doanh thu bằng 0"; kết nối hàm cửa sổ với bảng lịch (calendar table) có thể vẽ đường xu hướng đầy đủ bao gồm cả các khoảng khuyết. Ngược lại, truy vấn con tương quan càng cố đáp ứng yêu cầu này thì càng lồng sâu và khó bảo trì. Rốt cuộc, lựa chọn giữa ba kỹ thuật không quy về vấn đề hiệu năng đơn thuần mà quy về biểu đạt chính xác đến đâu ý định phân tích (bảo toàn chi tiết, tính liên tục, chọn hàng đại diện) bằng SQL.
5. Chuyên sâu: Tối ưu hiệu năng và xu hướng mới nhất
Trong thực tế, hiệu năng hàm cửa sổ hầu như hoàn toàn bị chi phối bởi chi phí sắp xếp. Nếu có chỉ mục mà thứ tự sắp xếp khớp với các cột PARTITION BY và ORDER BY, DB có thể dùng trực tiếp thứ tự chỉ mục mà không cần sắp xếp thêm (chiến lược chỉ mục), giảm đáng kể chi phí. Ngược lại, nếu khóa sắp xếp lệch với chỉ mục, sẽ phát sinh sắp xếp quy mô lớn và tràn vùng tạm (temp spill) khiến hiệu năng tụt mạnh. Khi nhiều hàm cửa sổ trong cùng một truy vấn chia sẻ cùng một đặc tả OVER, phần lớn bộ tối ưu chỉ thực hiện sắp xếp một lần, nên thống nhất định nghĩa cửa sổ hoặc tái sử dụng bằng mệnh đề WINDOW (cửa sổ đặt tên) là hữu hiệu. Khung RANGE dò nhóm cùng giá trị sắp xếp mỗi lần nên có thể tốn kém hơn khung ROWS, vì vậy nếu ngữ nghĩa như nhau thì ưu tiên ROWS.
Cửa sổ đặt tên (mệnh đề WINDOW) đóng góp cho khả năng đọc chứ không chỉ hiệu năng. Khi nhiều hàm tham chiếu lặp lại cùng một định nghĩa PARTITION BY ... ORDER BY ..., định nghĩa một lần ở cuối truy vấn là WINDOW w AS (...) và tái sử dụng ở mỗi hàm là OVER w sẽ rút ngắn truy vấn và chỉ phải sửa một nơi khi đổi định nghĩa. Truy vấn phân tích càng lớn, thành ngữ này càng nâng cao khả năng bảo trì.
Về xu hướng mới nhất, các engine cột chuyên phân tích (ClickHouse, DuckDB, Apache Spark, Snowflake, BigQuery, v.v.) tăng tốc hàm cửa sổ bằng thực thi vector hóa, song song, cung cấp phân tích thời gian thực ngay cả ở hàng tỷ hàng. Chuẩn SQL cũng tiến hóa, bổ sung chế độ khung GROUPS và tùy chọn loại trừ khung (EXCLUDE), được PostgreSQL 11 trở lên hỗ trợ. Hàm cửa sổ cũng trở thành phương tiện cốt lõi để đẩy logic chuyển đổi xuống SQL trong mô hình ELT của kho dữ liệu, định hình thành thành ngữ chuẩn để biểu đạt logic lũy kế, xếp hạng và phân phiên trong các mô hình của công cụ kỹ thuật phân tích như dbt. Trong xử lý luồng (ví dụ Apache Flink) cũng vậy, các hàm phân tích dựa trên cửa sổ thời gian kế thừa khái niệm cửa sổ của SQL theo lô và đảm nhận tổng hợp thời gian thực.
Tuy nhiên, cần lưu ý rằng cửa sổ trong môi trường luồng khác biệt tinh tế về nghĩa so với hàm cửa sổ trong SQL theo lô. Hàm cửa sổ theo lô áp dụng sắp xếp và khung trên một tập kết quả hữu hạn đã được xác định, trong khi cửa sổ thời gian của luồng (cửa sổ tumbling, sliding, session) cắt một luồng vô hạn chảy không ngừng theo trục thời gian để tổng hợp và xử lý dữ liệu đến muộn bằng watermark. Hai khái niệm chia sẻ thuật ngữ "cửa sổ" nên dễ nhầm, nhưng cái trước là vấn đề sức biểu đạt của truy vấn phân tích, còn cái sau là vấn đề quản lý trạng thái và ngữ nghĩa thời gian (event-time vs processing-time), nên cách tiếp cận khác nhau. Nêu bật sự phân biệt này trong bài thi Kỹ sư chuyên nghiệp có thể bộc lộ chiều sâu khái niệm.
6. Vấn đề cần cân nhắc và hàm ý
Từ góc nhìn Kỹ sư chuyên nghiệp, việc áp dụng và sử dụng hàm cửa sổ phải cân nhắc tổng hợp những điều sau.
Chiến lược áp dụng (nội tại hóa logic vào DB): Đẩy logic phân tích như xếp hạng, lũy kế, phân phiên từ mã ứng dụng xuống hàm cửa sổ của DB sẽ giảm lượng di chuyển dữ liệu và cải thiện khả năng bảo trì nhờ biểu đạt khai báo. Tuy nhiên, tập trung quá mức logic nghiệp vụ vào DB có thể sinh ra lệ thuộc DBMS và giới hạn mở rộng, nên cần thiết lập ranh giới giới hạn vào logic mang tính tổng hợp, phân tích.
Đánh đổi hiệu năng (chi phí sắp xếp so với sức biểu đạt): Hàm cửa sổ có sức biểu đạt cao nhưng kéo theo chi phí sắp xếp và đánh giá khung. Phải quản lý chi phí bằng thiết kế chỉ mục nhất quán với khóa phân vùng/sắp xếp, chia sẻ cùng cửa sổ, ưu tiên khung
ROWS, dùng engine cột/phân tích khi khối lượng lớn, và phải lập tiêu chí lựa chọn "tổng hợp đơn giản thì GROUP BY, cần bảo toàn chi tiết thì hàm cửa sổ."Quản lý tính chính xác và cạm bẫy: Lỗi
LAST_VALUEdo khung mặc định, ràng buộc không tham chiếu trực tiếp kết quả cửa sổ trongWHERE, và khác biệt kết quả theo chính sách xử lý đồng hạng (RANKvsROW_NUMBER) là những cạm bẫy phải kiểm chứng tường minh ở giai đoạn thiết kế. Ca kiểm thử phải bao gồm các tình huống đồng hạng, biên, và sắp xếp NULL (NULLS FIRST/LAST).Chuẩn hóa và tính khả chuyển: Hàm cửa sổ dựa trên chuẩn SQL, nhưng phạm vi hỗ trợ và cú pháp (nhất là tùy chọn khung) khác nhau theo DBMS. Trong môi trường đa đám mây và DB dị chủng, cần chiến lược dùng tập con chung của chuẩn hoặc hấp thụ khác biệt phương ngữ bằng lớp trừu tượng như dbt.
Quản trị và khả năng tái lập: Chỉ số như thứ hạng, phân khúc, tỷ trọng càng được định nghĩa bằng hàm cửa sổ, thì khác biệt tinh vi trong xử lý đồng hạng, khung, quy tắc sắp xếp càng làm thay đổi con số chỉ số. Do đó, quản trị định nghĩa cửa sổ của các chỉ số cốt lõi một lần tại lớp chỉ số (semantic layer) để toàn công ty dùng chung, và theo dõi thay đổi định nghĩa bằng quản lý cấu hình, là then chốt đảm bảo khả năng tái lập và sự tin cậy của con số.
Triển vọng công nghệ liên kết: Hàm cửa sổ là phép toán cốt lõi của data lakehouse, phân tích thời gian thực và kỹ thuật phân tích (ELT), ngày càng quan trọng khi kết hợp với lưu trữ cột, thực thi vector hóa và SQL luồng. Vì truy vấn xếp hạng và xu hướng thường quy về hàm cửa sổ nhiều nhất ngay cả trong dịch ngôn ngữ tự nhiên sang SQL dựa trên AI tạo sinh tương lai, giá trị của nó như nền tảng của năng lực thiết kế truy vấn phân tích vẫn bền vững.
Hướng ra đề dự kiến gồm ① khác biệt giữa GROUP BY và hàm cửa sổ cùng tiêu chí lựa chọn, ② vai trò của ba yếu tố OVER (phân vùng, sắp xếp, khung) và cạm bẫy khung mặc định, ③ khác biệt giữa ba hàm xếp hạng (ROW_NUMBER/RANK/DENSE_RANK) và ứng dụng Top-N, khử trùng lặp, ④ viết truy vấn thực tế cho cửa sổ tổng hợp như tổng lũy kế, trung bình trượt, và ⑤ tối ưu hiệu năng qua chi phí sắp xếp và chỉ mục. Khi soạn bài, dòng lập luận xuất phát từ bối cảnh "vì sao cần tổng hợp bảo toàn chi tiết," đào sâu bằng nguyên lý hoạt động của mệnh đề OVER cùng truy vấn cụ thể và ví dụ số liệu, rồi khép lại bằng so sánh với kỹ thuật truyền thống, hiệu năng và xu hướng mới nhất, là thuyết phục.
Tài liệu tham khảo
- PostgreSQL Documentation, "Window Functions" — https://www.postgresql.org/docs/current/tutorial-window.html
- MySQL 8.0 Reference Manual, "Window Functions" — https://dev.mysql.com/doc/refman/8.0/en/window-functions.html
- Microsoft, "OVER Clause (Transact-SQL)" — https://learn.microsoft.com/en-us/sql/t-sql/queries/select-over-clause-transact-sql
Tóm tắt một câu: Hàm cửa sổ là công cụ cốt lõi của phân tích SQL, chỉ định một tập hàng liên quan đến hàng hiện tại qua phân vùng, sắp xếp và khung của mệnh đề
OVERđể tính xếp hạng, lũy kế và trung bình trượt mà vẫn bảo toàn dữ liệu chi tiết, thay thế self-join và truy vấn con tương quan nhằm nâng cao đồng thời sức biểu đạt và hiệu năng.