HIVE 窗口及分析函数 应用场景

评:

窗口函数应用场景:

(1)用于分区排序

(2)动态GroupBy

(3)TopN

(4)累计计算

(5)层次查询

一、分析函数

用于等级、百分点、n分片等。

函数说明

RANK()返回数据项在分组中的排名,排名相等会在名次中留下空位

DENSE_RANK()返回数据项在分组中的排名,排名相等会在名次中不会留下空位

NTILE()返回n分片后的值

ROW_NUMBER()为每条记录返回一个数字

Rank、DENSE_RANK

RANK()在出现等级相同的元素时预留为空,DENSE_RANK()不会。

Eg:某产品类型有两个并列第一

RANK():第一二为1,第三位3

DENSE_RANK():第一二为1,第三位2

Sql代码收藏代码

SELECT

column_name,

RANK()OVER(ORDERBYcolumn_nameDESC)ASrank,

DENSE_RANK()OVER(ORDERBYSUM(column_name)DESC)ASdense_rank

FROMtable_name

OVER需要,括号内为编号顺序

注意:orderby时,descNULL值排在首位,ASC时NULL值排在末尾

可以通过NULLSLAST、NULLSFIRST控制

Java代码收藏代码

RANK()OVER(ORDERBYcolumn_nameDESCNULLSLAST)

PARTITIONBY分组排列顺序

Java代码收藏代码

RANK()OVER(PARTITIONBYmonthORDERBYcolumn_nameDESC)

这样,就会按照month来分,即所需要排列的信息先以month的值来分组,在分组中排序,各个分组间不干涉

CUBE,ROLLUP,GROUPINGSETS()详见:HIVE增强的聚合,也可以结合RANK()使用实现具体逻辑。

NTILE

按层次查询,如一年中,统计出工资前1/5之的人员的名单,使用NTILE分析函数,把所有工资分为5份,为1的哪一份就是我们想要的结果:

Sql代码收藏代码

selectempno,ename,sum(sal),ntile(5)over(orderbysum(sal)descnullslast)tilfromempgroupbyempno,ename;

ROW_NUMBER

ROW_NUMBER()从1开始,为每条记录返回一个数字

Sql代码收藏代码

SELECT

ROW_NUMBER()OVER(ORDERBYcolumn_nameDESC)ASrow_name

FROMtable_name;

二、窗口函数

可以计算一定范围内、一定值域内、或者一段时间内的累积和以及移动平均值等。

可以结合聚集函数SUM()、AVG()等使用。

可以结合FIRST_VALUE()和LAST_VALUE(),返回窗口的第一个和最后一个值

(1)计算累计和

eg:统计1-12月的累积销量,即1月为1月份的值,2月为1.2月份值的和,3月为123月份的和,12月为1-12月份值的和

Java代码收藏代码

SELECT

month,SUM(amount)month_amount,

SUM(SUM(amount))OVER(ORDERBYmonthROWSBETWEENUNBOUNDEDPRECEDINGANDCURRENTROW)AScumulative_amount

FROMtable_name

GROUPBYmonth

ORDERBYmonth;

其中:

SUM(SUM(amount))内部的SUM(amount)为需要累加的值,在上述可以换为month_amount

ORDERBYmonth按月份对查询读取的记录进行排序,就是窗口范围内的排序

ROWSBETWEENUNBOUNDEDPRECEDINGANDCURRENTROW定义起点和终点,UNBOUNDEDPRECEDING为起点,表明从第一行开始,CURRENTROW为默认值,就是这一句等价于:

ROWSUNBOUNDEDPRECEDING

PRECEDING:在前N行的意思。

FOLLOWING:在后N行的意思。

计算前3个月之间的和

Sql代码收藏代码

SUM(SUM(amount))OVER(ORDERBYmonthROWSBETWEEN3PRECEDINGANDCURRENTROW)AScumulative_amount

也可以

Java代码收藏代码

SUM(SUM(amount))OVER(ORDERBYmonth3PRECENDING)AScumulative_amount

前后一个月之间的和

Sql代码收藏代码

SUM(SUM(amount))OVER(ORDERBYmonthROWSBETWEEN1PRECEDINGAND1FOLLOWING)AScumulative_amount

窗体第一条和最后一条的值

Java代码收藏代码

FIRST_VALUE(SUM(amount))OVER(ORDERBYmonthROWSBETWEEN1PRECEDINGAND1FOLLOWING)ASxxxx;

LAST_VALUE(SUM(amount))OVER(ORDERBYmonthROWSBETWEEN1PRECEDINGAND1FOLLOWING)ASxxxx;

三、LAG、LEAD

获得相对于当前记录指定距离的那条记录的数据

LAG()为向前、LEAD()为向后

Sql代码收藏代码

LAG(column_name1,1)OVER(ORDERBYcolumn_name2)

LEAG(column_name1,1)OVER(ORDERBYcolumn_name2)

这样就获得前一条、后一条的数据

四、FIRST、LAST

获得一个排序分组中的第一个值和组后一个值。可以与分组函数结合

Java代码收藏代码

SELECT

MIN(month)KEEP(DENSE_RANKFIRSTORDERBYSUM(amount))AShighest_sales_month,

MIN(month)KEEP(DENSE_RANKLASTORDERBYSUM(amount))ASlows_sales_month

FROMtable_name

GROUPBYmonth

ORDERBYmonth;

这样就可以求得一年中销量最高和最低的月份。

输出的是月份,但是用SUM(amount)来判断。