@clickzetta/cz-cli-darwin-x64 0.3.1

package/bin/skills/lakehouse-doc/references/VARCHARleghth.md

@@ -0,0 +1,42 @@
+# VARCHAR(n)
+
+变长字符类型（VARCHAR）是一种可存储可变长度的字符串数据类型。该类型在存储字符串时会根据实际内容的长度进行分配空间，从而有效节省存储空间。VARCHAR 类型的字符串长度范围为 1 到 65535 个字符。
+
+## 语法
+
+```
+VARCHAR(n)
+```
+
+其中，n 表示字符串的最大长度，取值范围为 1 到 1048576。
+
+## 示例
+
+1. 创建一个 VARCHAR 类型的表：
+
+   ```
+   CREATE TABLE example_table (
+       id INT PRIMARY KEY,
+       name VARCHAR(50),
+       age INT
+   );
+   ```
+
+   在这个例子中，我们创建了一个名为 example_table 的表，其中包含三个字段：id（整数类型，主键）、name（变长字符类型，最大长度为 50 个字符）和 age（整数类型）。
+
+2. 向 VARCHAR 类型的字段插入数据：
+
+   ```
+   INSERT INTO example_table (id, name, age) VALUES (1, '张三', 25);
+   ```
+
+   在这个例子中，我们向 example_table 表中插入了一条数据，其中 name 字段的值为 '张三'，长度为 3 个字符。
+
+3. 查询 VARCHAR 类型字段的数据：
+
+   ```
+   SELECT name FROM example_table;
+   ```
+
+   在这个例子中，我们查询了 example_table 表中 name 字段的数据。
+

package/bin/skills/lakehouse-doc/references/VIEW.md

@@ -0,0 +1,47 @@
+# VIEW（视图）
+视图是一种虚拟表，它是由 SQL 查询定义的。通过创建视图，您可以像查询普通表一样查询视图。当用户查询视图时，查询结果将仅包含在定义视图的查询中指定的表和字段的数据。
+
+## 视图的优势
+
+1. 简化复杂的 SQL 查询：通过将复杂的查询定义为视图，您可以在需要时直接查询视图，而无需每次都重写复杂的查询。
+2. 保护数据：视图可以限制用户访问基础表中的数据，只允许他们访问视图中定义的数据。
+3. 更好的数据组织：视图可以帮助您更好地组织和管理数据，使其更易于理解和使用。
+
+## 视图的限制
+
+1. 视图是只读的，无法对视图执行 DML（插入、更新、删除）操作。
+2. 视图的性能可能会受到基础表数据量和查询复杂度的影响。
+
+## 视图管理
+
+- [创建视图](CREATEVIEW.md)：通过指定 SQL 查询来创建视图。
+- [删除视图](DROPVIEW.md)：删除已存在的视图。
+- [查看视图详情](DESCVIEW.md)：查看视图的结构和定义。
+
+## 使用案例
+
+1. 计算利润和税后收入：
+
+   ```
+   CREATE VIEW v_sales AS
+   SELECT revenue - cost AS profit, (revenue - cost) * tax_rate AS tax_amount, (revenue - cost) * (1 - tax_rate) AS net_income
+   FROM table1;
+   ```
+
+2. 筛选特定部门的员工信息：
+
+   ```
+   CREATE VIEW v_sales_department AS
+   SELECT id, name, position, salary
+   FROM employees
+   WHERE department = 'Sales';
+   ```
+
+3. 汇总每个月的销售数据：
+
+   ```
+   CREATE VIEW v_monthly_sales AS
+   SELECT DATE_TRUNC('month', sale_date) AS month, SUM(revenue) AS total_sales
+   FROM sales_data
+   GROUP BY month;
+   ```

package/bin/skills/lakehouse-doc/references/Volume_LIST.md

@@ -0,0 +1,52 @@
+# LIST 命令
+
+## 简介
+
+LIST 命令返回已经存储在 Lakehouse 内部或者外部 Volume 中的文件列表。该命令可以在 Studio 和 Lakehouse 客户端中运行。
+
+## 使用场景
+
+* **导入前文件验证**：在将数据文件导入表前，确认文件已成功上传到 Volume 中，并检查文件命名是否符合规范。
+* **导出后确认**：使用 COPY INTO 将数据导出到 Volume 后，验证所有文件是否正确生成，以及文件大小是否合理。
+* **文件清理前确认**：在执行 REMOVE 命令删除 Volume 中的文件前，可使用 LIST 命令确认文件列表，避免误操作。
+
+## 语法
+
+```
+LIST { VOLUME volume_name | TABLE VOLUME table_name | USER VOLUME } 
+     [ SUBDIRECTORY 'subdir'| REGEXP = 'pattern' ]
+```
+
+## 参数说明
+
+* `VOLUME volume_name `：列出指定外部 VOLUME 中的所有文件。
+* `TABLE VOLUME table_name `：列出指定表的 VOLUME 空间下的所有文件。
+* `USER VOLUME `：列出当前用户的 Volume 空间下的所有文件。
+* `SUBDIRECTORY 'subdir': `：可选参数。用于指定要列出内容的 Volume 子目录，此选项可帮助缩小结果范围。
+* `REGEXP = 'pattern': `：可选参数。用于指定过滤返回文件的正则表达式模式，您可以精确筛选出符合特定命名规则或格式的文件。
+
+## 示例
+
+* 列出外部 VOLUME `foodimages` 中所有含有数字“1”的文件：
+
+```
+LIST VOLUME foodimages REGEXP = '.*1.*'
+```
+
+* 列出外部 VOLUME `parquet_files` 中，`t_search_log` 子目录中的所有文件：
+
+```
+LIST VOLUME parquet_files SUBDIRECTORY 't_search_log'
+```
+
+* 列出外部 VOLUME `parquet_file` 中，`t_search_log` 子目录中以 `c000` 结尾的文件：
+
+```
+LIST VOLUME parquet_file SUBDIRECTORY 't_search_log' REGEXP = '.*c000' ;
+```
+
+## 注意事项
+
+* 用户必须具有相应 Volume 的 `READ ` 权限才能执行 `LIST ` 命令。
+
+^

package/bin/skills/lakehouse-doc/references/WINDOWFUNCTION.md

@@ -0,0 +1,561 @@
+# 窗口函数（Window Function）
+
+## 概述
+
+窗口函数（Window Function）是云器Lakehouse SQL中一种强大的分析功能，它允许在一组相关行上执行计算，而不仅仅是针对单个行。通过使用WINDOW子句，可以定义一个或多个命名的窗口，然后在窗口函数中引用这些窗口，避免重复编写相同的窗口规范，使查询更加简洁和易维护。
+
+## 语法
+
+```sql
+WINDOW <window_name> AS (<window_specification>, ...)
+```
+
+### 参数说明
+
+* **window\_name**: 窗口的名称，必须是有效的标识符，不能与表名或列名冲突
+* **window\_specification**: 窗口规范，定义窗口的范围和顺序，包含以下部分：
+  * `PARTITION BY`: 指定数据分组方式，每个组是一个分区
+  * `ORDER BY`: 指定每个分区内的数据排序方式
+  * `frame_clause`: 指定窗口框架，限制窗口函数的计算范围
+
+### 窗口框架类型
+
+1. **ROWS Frame**: 基于行数的窗口框架
+2. **RANGE Frame**: 基于值范围的窗口框架
+
+## 环境准备
+
+### 创建测试表
+
+```sql
+CREATE TABLE IF NOT EXISTS sales(
+    month INT,
+    sales INT,
+    profit DOUBLE
+);
+```
+
+### 插入测试数据
+
+```sql
+INSERT INTO sales (month, sales, profit) VALUES
+(1, 100, 0.1),
+(2, 120, 0.15),
+(3, 80, 0.05),
+(4, 150, 0.2),
+(5, 90, 0.1),
+(6, 110, 0.12);
+```
+
+## 使用示例
+
+### 示例1：移动窗口聚合 - 计算移动和与移动平均
+
+**业务场景**: 计算当前月及前两个月的销售总和与平均值
+
+```sql
+SELECT month, sales, 
+       SUM(sales) OVER w AS sum_sales, 
+       AVG(sales) OVER w AS avg_sales
+FROM sales
+WINDOW w AS (ORDER BY month ROWS BETWEEN 2 PRECEDING AND CURRENT ROW);
+```
+
+**执行结果**:
+
+```
++-------+-------+-----------+--------------------+
+| month | sales | sum_sales | avg_sales          |
++-------+-------+-----------+--------------------+
+| 1     | 100   | 100       | 100.0              |
+| 2     | 120   | 220       | 110.0              |
+| 3     | 80    | 300       | 100.0              |
+| 4     | 150   | 350       | 116.67             |
+| 5     | 90    | 320       | 106.67             |
+| 6     | 110   | 350       | 116.67             |
++-------+-------+-----------+--------------------+
+```
+
+**说明**: 窗口w定义了一个滑动窗口，包含当前行和前2行，因此每行都会计算最近3个月的销售总和与平均值。
+
+***
+
+### 示例2：多窗口排名 - 季度排名与年度排名
+
+**业务场景**: 同时计算销售额在季度内和全年的排名
+
+```sql
+SELECT month, sales, 
+       RANK() OVER w1 AS rank_quarter, 
+       ROW_NUMBER() OVER w2 AS rank_year
+FROM sales
+WINDOW w1 AS (PARTITION BY CEIL(month / 3) ORDER BY sales DESC),
+       w2 AS (ORDER BY sales DESC);
+```
+
+**执行结果**:
+
+```
++-------+-------+--------------+-----------+
+| month | sales | rank_quarter | rank_year |
++-------+-------+--------------+-----------+
+| 4     | 150   | 1            | 1         |
+| 2     | 120   | 1            | 2         |
+| 6     | 110   | 2            | 3         |
+| 1     | 100   | 2            | 4         |
+| 5     | 90    | 3            | 5         |
+| 3     | 80    | 3            | 6         |
++-------+-------+--------------+-----------+
+```
+
+**说明**:
+
+* w1窗口按季度（每3个月）分区，计算各季度内的销售排名
+* w2窗口不分区，计算全年的销售排名
+* 使用CEIL(month/3)将月份分为Q1(1-3月)、Q2(4-6月)等
+
+***
+
+### 示例3：累积聚合 - 从年初至今的统计
+
+**业务场景**: 计算从年初到当前月的累积销售额、平均利润率等
+
+```sql
+SELECT month, sales, profit,
+       SUM(sales) OVER w AS cumulative_sales,
+       AVG(profit) OVER w AS avg_profit,
+       MAX(sales) OVER w AS max_sales,
+       MIN(sales) OVER w AS min_sales
+FROM sales
+WINDOW w AS (ORDER BY month ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW);
+```
+
+**执行结果**:
+
+```
++-------+-------+--------+------------------+------------+-----------+-----------+
+| month | sales | profit | cumulative_sales | avg_profit | max_sales | min_sales |
++-------+-------+--------+------------------+------------+-----------+-----------+
+| 1     | 100   | 0.1    | 100              | 0.1        | 100       | 100       |
+| 2     | 120   | 0.15   | 220              | 0.125      | 120       | 100       |
+| 3     | 80    | 0.05   | 300              | 0.1        | 120       | 80        |
+| 4     | 150   | 0.2    | 450              | 0.125      | 150       | 80        |
+| 5     | 90    | 0.1    | 540              | 0.12       | 150       | 80        |
+| 6     | 110   | 0.12   | 650              | 0.12       | 150       | 80        |
++-------+-------+--------+------------------+------------+-----------+-----------+
+```
+
+**说明**: `UNBOUNDED PRECEDING`表示从分区的第一行开始，`CURRENT ROW`表示到当前行结束，实现累积计算。
+
+***
+
+### 示例4：时间序列分析 - 环比数据对比
+
+**业务场景**: 查看每月销售额与上月、下月的对比及环比变化
+
+```sql
+SELECT month, sales,
+       LAG(sales, 1) OVER w AS prev_sales,
+       LEAD(sales, 1) OVER w AS next_sales,
+       sales - LAG(sales, 1) OVER w AS sales_change
+FROM sales
+WINDOW w AS (ORDER BY month);
+```
+
+**执行结果**:
+
+```
++-------+-------+------------+------------+--------------+
+| month | sales | prev_sales | next_sales | sales_change |
++-------+-------+------------+------------+--------------+
+| 1     | 100   | NULL       | 120        | NULL         |
+| 2     | 120   | 100        | 80         | 20           |
+| 3     | 80    | 120        | 150        | -40          |
+| 4     | 150   | 80         | 90         | 70           |
+| 5     | 90    | 150        | 110        | -60          |
+| 6     | 110   | 90         | NULL       | 20           |
++-------+-------+------------+------------+--------------+
+```
+
+**说明**:
+
+* `LAG(sales, 1)`: 获取上一行的销售额
+* `LEAD(sales, 1)`: 获取下一行的销售额
+* 第一行和最后一行的prev\_sales和next\_sales为NULL
+
+***
+
+### 示例5：多种排名函数对比
+
+**业务场景**: 理解不同排名函数的差异
+
+```sql
+SELECT month, sales,
+       DENSE_RANK() OVER w AS dense_rank,
+       RANK() OVER w AS rank,
+       ROW_NUMBER() OVER w AS row_num,
+       PERCENT_RANK() OVER w AS percent_rank
+FROM sales
+WINDOW w AS (ORDER BY sales DESC);
+```
+
+**执行结果**:
+
+```
++-------+-------+------------+------+---------+--------------+
+| month | sales | dense_rank | rank | row_num | percent_rank |
++-------+-------+------------+------+---------+--------------+
+| 4     | 150   | 1          | 1    | 1       | 0.0          |
+| 2     | 120   | 2          | 2    | 2       | 0.2          |
+| 6     | 110   | 3          | 3    | 3       | 0.4          |
+| 1     | 100   | 4          | 4    | 4       | 0.6          |
+| 5     | 90    | 5          | 5    | 5       | 0.8          |
+| 3     | 80    | 6          | 6    | 6       | 1.0          |
++-------+-------+------------+------+---------+--------------+
+```
+
+**排名函数说明**:
+
+* `ROW_NUMBER()`: 连续唯一的行号，即使值相同也不会并列
+* `RANK()`: 相同值得到相同排名，下一个排名会跳过
+* `DENSE_RANK()`: 相同值得到相同排名，下一个排名连续
+* `PERCENT_RANK()`: 返回0到1之间的百分比排名
+
+***
+
+### 示例6：位置函数 - 访问特定位置的值
+
+**业务场景**: 获取窗口内第一个、最后一个和指定位置的值
+
+```sql
+SELECT month, sales, profit,
+       FIRST_VALUE(sales) OVER w AS first_sales,
+       LAST_VALUE(sales) OVER w AS last_sales,
+       NTH_VALUE(sales, 2) OVER w AS second_sales
+FROM sales
+WINDOW w AS (ORDER BY month ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING);
+```
+
+**执行结果**:
+
+```
++-------+-------+--------+-------------+------------+--------------+
+| month | sales | profit | first_sales | last_sales | second_sales |
++-------+-------+--------+-------------+------------+--------------+
+| 1     | 100   | 0.1    | 100         | 110        | 120          |
+| 2     | 120   | 0.15   | 100         | 110        | 120          |
+| 3     | 80    | 0.05   | 100         | 110        | 120          |
+| 4     | 150   | 0.2    | 100         | 110        | 120          |
+| 5     | 90    | 0.1    | 100         | 110        | 120          |
+| 6     | 110   | 0.12   | 100         | 110        | 120          |
++-------+-------+--------+-------------+------------+--------------+
+```
+
+**说明**:
+
+* `FIRST_VALUE()`: 返回窗口中第一行的值
+* `LAST_VALUE()`: 返回窗口中最后一行的值（需要UNBOUNDED FOLLOWING才能看到真正的最后一行）
+* `NTH_VALUE(expr, n)`: 返回窗口中第n行的值
+
+***
+
+### 示例7：RANGE窗口框架 - 基于值范围的窗口
+
+**业务场景**: 找出销售额在±10范围内的所有记录并统计
+
+```sql
+SELECT month, sales,
+       SUM(sales) OVER w AS range_sum,
+       COUNT(*) OVER w AS range_count
+FROM sales
+WINDOW w AS (ORDER BY sales RANGE BETWEEN 10 PRECEDING AND 10 FOLLOWING);
+```
+
+**执行结果**:
+
+```
++-------+-------+-----------+-------------+
+| month | sales | range_sum | range_count |
++-------+-------+-----------+-------------+
+| 3     | 80    | 170       | 2           |
+| 5     | 90    | 270       | 3           |
+| 1     | 100   | 300       | 3           |
+| 6     | 110   | 330       | 3           |
+| 2     | 120   | 230       | 2           |
+| 4     | 150   | 150       | 1           |
++-------+-------+-----------+-------------+
+```
+
+**说明**:
+
+* RANGE窗口基于值的范围而非行数
+* 对于sales=100的行，窗口包含销售额在\[90, 110]范围内的所有行
+* 对于sales=150的行，只有它自己在\[140, 160]范围内
+
+***
+
+### 示例8：综合分析 - 多维度业务报表（高级）
+
+**业务场景**: 生成包含排名、累积、环比和占比的综合分析报表
+
+```sql
+SELECT 
+    month,
+    sales,
+    -- 排名相关
+    ROW_NUMBER() OVER w1 AS row_num,
+    RANK() OVER w1 AS sales_rank,
+    -- 累积统计
+    SUM(sales) OVER w2 AS ytd_sales,
+    AVG(sales) OVER w2 AS ytd_avg,
+    -- 环比对比
+    LAG(sales) OVER w1 AS prev_month_sales,
+    sales - LAG(sales) OVER w1 AS mom_change,
+    -- 占比分析
+    ROUND(sales * 100.0 / SUM(sales) OVER w3, 2) AS pct_of_total
+FROM sales
+WINDOW 
+    w1 AS (ORDER BY month),
+    w2 AS (ORDER BY month ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW),
+    w3 AS (ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING);
+```
+
+**执行结果**:
+
+```
++-------+-------+---------+------------+-----------+---------+------------------+------------+---------------+
+| month | sales | row_num | sales_rank | ytd_sales | ytd_avg | prev_month_sales | mom_change | pct_of_total  |
++-------+-------+---------+------------+-----------+---------+------------------+------------+---------------+
+| 1     | 100   | 1       | 1          | 100       | 100.0   | NULL             | NULL       | 15.38         |
+| 2     | 120   | 2       | 2          | 220       | 110.0   | 100              | 20         | 18.46         |
+| 3     | 80    | 3       | 3          | 300       | 100.0   | 120              | -40        | 12.31         |
+| 4     | 150   | 4       | 4          | 450       | 112.5   | 80               | 70         | 23.08         |
+| 5     | 90    | 5       | 5          | 540       | 108.0   | 150              | -60        | 13.85         |
+| 6     | 110   | 6       | 6          | 650       | 108.33  | 90               | 20         | 16.92         |
++-------+-------+---------+------------+-----------+---------+------------------+------------+---------------+
+```
+
+**说明**:
+
+* 此示例同时使用了3个不同的窗口定义
+* w1: 按月份排序，用于排名和环比
+* w2: 累积窗口，用于YTD（Year-To-Date）计算
+* w3: 完整窗口，用于计算总和并计算占比
+* 展示了如何在一个查询中实现复杂的多维度分析
+
+***
+
+### 示例9：数据分桶 - NTILE函数应用
+
+**业务场景**: 将销售数据按业绩分为高中低三档
+
+```sql
+SELECT 
+    month,
+    sales,
+    NTILE(3) OVER w AS sales_tier,
+    CASE 
+        WHEN NTILE(3) OVER w = 1 THEN 'High'
+        WHEN NTILE(3) OVER w = 2 THEN 'Medium'  
+        ELSE 'Low'
+    END AS tier_label
+FROM sales
+WINDOW w AS (ORDER BY sales DESC);
+```
+
+**执行结果**:
+
+```
++-------+-------+------------+------------+
+| month | sales | sales_tier | tier_label |
++-------+-------+------------+------------+
+| 4     | 150   | 1          | High       |
+| 2     | 120   | 1          | High       |
+| 6     | 110   | 2          | Medium     |
+| 1     | 100   | 2          | Medium     |
+| 5     | 90    | 3          | Low        |
+| 3     | 80    | 3          | Low        |
++-------+-------+------------+------------+
+```
+
+**说明**: `NTILE(n)`将排序后的数据尽可能平均地分成n个桶，常用于分层分析、ABC分类等场景。
+
+***
+
+### 示例10：累积分布 - CUME\_DIST函数应用
+
+**业务场景**: 计算每个销售额在整体中的累积分布百分位
+
+```sql
+SELECT 
+    month,
+    sales,
+    CUME_DIST() OVER w AS cumulative_dist,
+    ROUND(CUME_DIST() OVER w * 100, 2) AS percentile
+FROM sales
+WINDOW w AS (ORDER BY sales);
+```
+
+**执行结果**:
+
+```
++-------+-------+------------------+------------+
+| month | sales | cumulative_dist  | percentile |
++-------+-------+------------------+------------+
+| 3     | 80    | 0.167            | 16.67      |
+| 5     | 90    | 0.333            | 33.33      |
+| 1     | 100   | 0.500            | 50.00      |
+| 6     | 110   | 0.667            | 66.67      |
+| 2     | 120   | 0.833            | 83.33      |
+| 4     | 150   | 1.000            | 100.00     |
++-------+-------+------------------+------------+
+```
+
+**说明**: `CUME_DIST()`返回小于或等于当前值的行数占总行数的比例，表示当前值在数据集中的累积分布位置。
+
+***
+
+## 窗口框架详解
+
+### ROWS vs RANGE
+
+| 框架类型  | 说明       | 示例                                            |
+| ----- | -------- | --------------------------------------------- |
+| ROWS  | 基于物理行数   | `ROWS BETWEEN 2 PRECEDING AND CURRENT ROW`    |
+| RANGE | 基于值的逻辑范围 | `RANGE BETWEEN 10 PRECEDING AND 10 FOLLOWING` |
+
+### 边界关键字
+
+* `UNBOUNDED PRECEDING`: 分区的第一行
+* `UNBOUNDED FOLLOWING`: 分区的最后一行
+* `CURRENT ROW`: 当前行
+* `n PRECEDING`: 当前行之前的第n行（ROWS）或值-n的行（RANGE）
+* `n FOLLOWING`: 当前行之后的第n行（ROWS）或值+n的行（RANGE）
+
+***
+
+## 常用窗口函数分类
+
+### 聚合函数
+
+* `SUM()`, `AVG()`, `COUNT()`, `MAX()`, `MIN()`
+
+### 排名函数
+
+* `ROW_NUMBER()`: 连续唯一行号
+* `RANK()`: 相同值同排名，有间隔
+* `DENSE_RANK()`: 相同值同排名，无间隔
+* `PERCENT_RANK()`: 百分比排名
+* `NTILE(n)`: 将数据分成n个桶
+* `CUME_DIST()`: 累积分布值
+
+### 取值函数
+
+* `LAG()`: 访问前面的行
+* `LEAD()`: 访问后面的行
+* `FIRST_VALUE()`: 窗口第一个值
+* `LAST_VALUE()`: 窗口最后一个值
+* `NTH_VALUE()`: 窗口第n个值
+
+***
+
+## 最佳实践
+
+### 1. 使用WINDOW子句提高可读性
+
+❌ **不推荐**（重复定义窗口）:
+
+```sql
+SELECT month,
+       SUM(sales) OVER (ORDER BY month ROWS BETWEEN 2 PRECEDING AND CURRENT ROW),
+       AVG(sales) OVER (ORDER BY month ROWS BETWEEN 2 PRECEDING AND CURRENT ROW)
+FROM sales;
+```
+
+✅ **推荐**（使用WINDOW子句）:
+
+```sql
+SELECT month,
+       SUM(sales) OVER w,
+       AVG(sales) OVER w
+FROM sales
+WINDOW w AS (ORDER BY month ROWS BETWEEN 2 PRECEDING AND CURRENT ROW);
+```
+
+### 2. 合理使用PARTITION BY
+
+对于分组分析，使用PARTITION BY可以在不破坏数据结构的情况下进行组内计算：
+
+```sql
+-- 示例：按类别分别计算排名
+SELECT category, month, sales,
+       RANK() OVER w AS rank_in_category
+FROM sales_by_category
+WINDOW w AS (PARTITION BY category ORDER BY sales DESC);
+```
+
+**执行结果**:
+
+```
++-------------+-------+-------+------------------+
+| category    | month | sales | rank_in_category |
++-------------+-------+-------+------------------+
+| Clothing    | 2     | 600   | 1                |
+| Clothing    | 3     | 550   | 2                |
+| Clothing    | 1     | 500   | 3                |
+| Electronics | 2     | 1200  | 1                |
+| Electronics | 1     | 1000  | 2                |
+| Electronics | 3     | 900   | 3                |
++-------------+-------+-------+------------------+
+```
+
+说明：每个类别内独立计算排名，互不影响。
+
+### 3. 注意LAST\_VALUE的窗口范围
+
+如果要获取真正的最后一个值，必须使用`UNBOUNDED FOLLOWING`：
+
+```sql
+WINDOW w AS (ORDER BY month ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING)
+```
+
+### 4. 特定注意事项
+
+在Lakehouse中，建议在查询末尾添加LIMIT子句以提高性能：
+
+```sql
+SELECT ... FROM ... WINDOW ... LIMIT 50;
+```
+
+***
+
+## 性能优化建议
+
+1. **索引优化**: 在ORDER BY和PARTITION BY使用的列上创建适当的索引
+2. **窗口范围**: 尽量使用较小的窗口范围以减少计算量
+3. **复用窗口定义**: 使用WINDOW子句避免重复定义相同窗口
+4. **分区策略**: 合理使用PARTITION BY减少每个窗口的数据量
+
+***
+
+## 常见问题
+
+### Q1: WINDOW子句必须放在哪里？
+
+A: WINDOW子句必须放在FROM和WHERE子句之后，ORDER BY子句之前。
+
+### Q2: 能否在同一个查询中定义多个窗口？
+
+A: 可以，使用逗号分隔多个窗口定义。
+
+### Q3: ROWS和RANGE的主要区别是什么？
+
+A: ROWS基于物理行数，RANGE基于值的逻辑范围。当有重复值时，RANGE会包含所有具有相同值的行。
+
+### Q4: 为什么LAST\_VALUE没有返回预期的最后一个值？
+
+A: 需要显式指定`ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING`来包含整个分区。
+
+***
+
+^