@clickzetta/cz-cli-darwin-x64 0.3.75 → 0.3.78

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

@@ -1,42 +0,0 @@
-# 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

@@ -1,47 +0,0 @@
-# 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

@@ -1,52 +0,0 @@
-# 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

@@ -1,561 +0,0 @@
-# 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。
-
-***
-
-^