select count(distinct name) over(partition by diqu) from tmp.0703testxhh;

select

                  dep_city,

                  arr_city,

                  count(distinct order_no) as order_num

                from

                  tmp.big_traffic_data_three_new

                group by dep_city,arr_city

对这条sql的理解,有几条航线结果肯定就是几条数据,如果一个order_no在同一个航线中出现了两次,那肯定会被去重的,但如果她是在多条航线中各出现了一次那肯定会被保存多次的。

hive> select * from tmp.0703testxhh;

OK

zs      bj

zs      sh

zs      sh

Time taken: 0.137 seconds, Fetched: 3 row(s)

hive> select count(distinct name) over(partition by diqu) from tmp.0703testxhh;

OK

1

1

1

Time taken: 19.37 seconds, Fetched: 3 row(s)

hive> insert into tmp.0703testxhh values('zs','sh');

OK

Time taken: 12.382 seconds

hive> select count(distinct name) over(partition by diqu) from tmp.0703testxhh;

OK

1

1

1

1

Time taken: 22.6 seconds, Fetched: 4 row(s)

hive> select count(name) over(partition by diqu) from tmp.0703testxhh;

OK

1

3

3

3

Time taken: 18.37 seconds, Fetched: 4 row(s)

hive> select * from tmp.0703testxhh;

OK

zs      bj

zs      sh

zs      sh

zs      sh

Time taken: 0.174 seconds, Fetched: 4 row(s)

hive> select count(1) from tmp.0703testxhh group by name;

OK

4

Time taken: 20.017 seconds, Fetched: 1 row(s)

hive> select name,count(1) over(partition by diqu) from tmp.0703testxhh;

OK

zs      1

zs      3

zs      3

zs      3

Time taken: 20.51 seconds, Fetched: 4 row(s)

hive>

hive> select * from tmp.0703testxhh;

OK

zs      bj

zs      sh

zs      sh

zs      sh

ls      hn

ww      sh

Time taken: 0.152 seconds, Fetched: 6 row(s)

hive> select name,diqu,count(distinct name) over (partition by diqu) from  tmp.0703testxhh;

OK

zs      bj      1

ls      hn      1

ww      sh      2

zs      sh      2

zs      sh      2

zs      sh      2

Time taken: 20.424 seconds, Fetched: 6 row(s)

hive>

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,542评论 6 504
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,822评论 3 394
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,912评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,449评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,500评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,370评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,193评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,074评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,505评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,722评论 3 335
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,841评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,569评论 5 345
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,168评论 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,783评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,918评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,962评论 2 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,781评论 2 354