级联窗口（叠加窗口）
　　下面的查询显示了这样一个场景，返回每个记录的统计结果，但是该结果会在固定时间被重置。
　　SELECT STREAM rowtime，
　　productId，
　　units，
　　SUM(units) OVER (PARTITION BY FLOOR(rowtime TO HOUR)) AS unitsSinceTopOfHour
　　FROM Orders;
　　这种方式类似滑窗的查询，但是单调表达式发生在Partition by子句中。随着时间从10:59:59到11:00:00，Floor从10:00:00变为11:00:00，因此，一个新的分组开始产生了。sum的统一结果开始重置。
　　Calcite知道旧分组永远不会再次使用，因此会从内部存储中删除该分组的所有统计结果。
　　行组窗
　　使用Window语法和Over方式可以做到。
　　单调和准单调
　　这是作者在Calcite的StreamSQL中提出的概念。
　　如果一个列或者表达式是递增或者递减的，那么成为是单调的。
　　如果列或者表达式是乱序的，并且有一种机制（比如标点符号或者水印）来生成特定值永远不会被看到，那么这列或者表达式是准单调的。
　　概念很南理解，但是其实是要求流上的数据是全局有序的。可以是事件顺序，或者事件id的顺序。一般情况下，我们会自动为事件补齐时间。
　　有了这种顺序，我们能很容易实现水印这样的功能了。
　　流和表的说明
　　CREATE VIEW HourlyOrderTotals (rowtime， productId， c， su) AS
　　SELECT TUMBLE_END(rowtime， INTERVAL '1' HOUR)，
　　productId，
　　COUNT(*)，
　　SUM(units)
　　FROM Orders
　　GROUP BY TUMBLE(rowtime， INTERVAL '1' HOUR)， productId;
　　SELECT STREAM rowtime， productId
　　FROM HourlyOrderTotals
　　WHERE c > 2 OR su > 10;
　　rowtime | productId
　　----------+-----------
　　10:00:00 |        30
　　11:00:00 |        10
　　11:00:00 |        40
　　看看上面的视图，这个是一张表还是一个流？
　　因为它没有使用Stream关键字，所以必然是一个关系，是一张表， 但是它是可以被转化为流的表 。你可以在流和关系的查询中使用它。
　　和它等价的查询还有：
　　WITH HourlyOrderTotals (rowtime， productId， c， su) AS (
　　SELECT TUMBLE_END(rowtime， INTERVAL '1' HOUR)，
　　productId，
　　COUNT(*)，
　　SUM(units)
　　FROM Orders
　　GROUP BY TUMBLE(rowtime， INTERVAL '1' HOUR)， productId)
　　SELECT STREAM rowtime， productId
　　FROM HourlyOrderTotals
　　WHERE c > 2 OR su > 10;
　　rowtime | productId
　　----------+-----------
　　10:00:00 |        30
　　11:00:00 |        10
　　11:00:00 |        40
　　这种方法不限于子查询和视图， 流式SQL中的每个查询都被定义为关系查询，并且使用顶层Select子句中的Stream关键字被转换为流 。
　　流上的Join分为两种， 流和表的Join以及流和流的Join
　　流上的Join实际都是窗口和窗口的JOin，或者窗口和表的Join，本质上都是表之间的Join，因为窗口是一张表。
　　比如下面一个流和表之间的Join
　　“`sql
　　SELECT STREAM o.rowtime， o.productId， o.orderId， o.units，
　　p.name， p.unitPrice
　　FROM Orders AS o
　　JOIN Products AS p
　　ON o.productId = p.productId;
　　rowtime | productId | orderId | units | name | unitPrice
　　———-+———–+———+——-+ ——-+———–
　　10:17:00 | 30 | 5 | 4 | Cheese | 17
　　10:17:05 | 10 | 6 | 1 | Beer | 0.25
　　10:18:05 | 20 | 7 | 2 | Wine | 6
　　10:18:07 | 30 | 8 | 20 | Cheese | 17
　　11:02:00 | 10 | 9 | 6 | Beer | 0.25
　　11:04:00 | 10 | 10 | 1 | Beer | 0.25
　　11:09:30 | 40 | 11 | 12 | Bread | 100
　　11:24:11 | 10 | 12 | 4 | Beer | 0.25
　　“`
　　Order是流，Products是表。两个Join之后结果肯定是流，然后，因为没有窗口，所以默认情况下应该是一个仅仅保存当前数据的长度为1的窗口，当前Order数据和Products做Join。
　　流和流的Join如下：
　　SELECT STREAM o.rowtime， o.productId， o.orderId， s.rowtime AS shipTime
　　FROM Orders AS o
　　JOIN Shipments AS s
　　ON o.orderId = s.orderId
　　AND s.rowtime BETWEEN o.rowtime AND o.rowtime + INTERVAL '1' HOUR;
　　rowtime | productId | orderId | shipTime
　　----------+-----------+---------+----------
　　10:17:00 |        30 |       5 | 10:55:00
　　10:17:05 |        10 |       6 | 10:20:00
　　11:02:00 |        10 |       9 | 11:58:00
　　11:24:11 |        10 |      12 | 11:44:00
　　这个查询中没有显式的定义窗口，但是实际上已经通过where条件来锁定了数据范围。也是说，会自动将数据保存在一个窗口中。
　　DML语句
　　可以使用Create View语句来创建视图，上面已经可以看到，同时，也可以使用Insert AS select的方式将流上的数据导入其他流。
　　比如：
　　CREATE VIEW LargeOrders AS
　　SELECT STREAM * FROM Orders WHERE units > 1000;
　　INSERT INTO LargeOrders
　　SELECT STREAM * FROM Orders WHERE units > 1000;
　　还可以通过Upsert语句来维护窗口数据
　　UPSERT INTO OrdersSummary
　　SELECT STREAM productId，
　　COUNT(*) OVER lastHour AS c
　　FROM Orders
　　WINDOW lastHour AS (
　　PARTITION BY productId
　　ORDER BY rowtime
　　RANGE INTERVAL '1' HOUR PRECEDING)
　　开发计划
　　已经完成
　　· 流上的 SELECT， WHERE， GROUP BY， HAVING， UNION ALL， ORDER BY
　　· FLOOR和CEIL函数
　　· 单调性（Monotonicity）
　　· 禁用流式结果集
　　比如：
　　sql
　　> SELECT STREAM * FROM (VALUES (1， 'abc'));
　　ERROR: Cannot stream VALUES
　　未完成
　　· 流和流的Join
　　· 流和表的Join
　　· 基于视图的流
　　· 流上的包含Order by的Union ALL（流合并）
　　· 流上的关系型查询
　　· 流上的窗口聚合（滑窗和级联窗口）
　　· 忽略视图和子查询中的Stream关键字
　　· 流上的Order by不能包含Offset和Limit
　　· 运行时候检查是否有足够的历史记录数据来进行查询
　　· 准单调性–需要有一种机制，能够申明数据一旦计算完毕，不再更新，或者是计算完毕之后，如果新结果有刷新，再来更新。比如水印功能。
　　· HOP和TUMBLE函数，以及辅助性的HOP_START， HOP_END， TUMBLE_START， TUMBLE_END函数