理解Hive开窗函数(窗口函数)

一.原始数据

        jack,2017-01-01,10
        tony,2017-01-02,15
        jack,2017-02-03,23
        tony,2017-01-04,29
        jack,2017-01-05,46
        jack,2017-04-06,42  -
        tony,2017-01-07,50
        jack,2017-01-08,55
        mart,2017-04-08,62  -
        mart,2017-04-09,68  -
        neil,2017-05-10,12
        mart,2017-04-11,75  -
        neil,2017-06-12,80
        mart,2017-04-13,94  -

执行如下函数后分别得到不同的结果,以此来理解开窗函数的使用方法

select name,count(*)
from business
where month(orderdate)='4'
group by name;

+-------+------+--+
| name  | _c1  |
+-------+------+--+
| jack  | 1    |
| mart  | 4    |
+-------+------+--+

select name,count(*) over()
from business
where month(orderdate)='4'
group by name;

+-------+-----------------+--+
| name  | count_window_0  |
+-------+-----------------+--+
| jack  | 2               |
| mart  | 2               |
+-------+-----------------+--+



select name,count(*) over()
from business
where month(orderdate)='4';

+-------+-----------------+--+
| name  | count_window_0  |
+-------+-----------------+--+
| jack  | 5               |
| mart  | 5               |
| mart  | 5               |
| mart  | 5               |
| mart  | 5               |
+-------+-----------------+--+

select name,count(*) over(partition by name)
from business
where month(orderdate)='4'
group by name;

+-------+-----------------+--+
| name  | count_window_0  |
+-------+-----------------+--+
| jack  | 1               |
| mart  | 1               |
+-------+-----------------+--+


select name,count(*) over(partition by name)
from business
where month(orderdate)='4'

+-------+-----------------+--+
| name  | count_window_0  |
+-------+-----------------+--+
| jack  | 1               |
| mart  | 4               |
| mart  | 4               |
| mart  | 4               |
| mart  | 4               |
+-------+-----------------+--+

二.原始数据

  • 相关函数说明
    OVER():指定分析函数工作的数据窗口大小,这个数据窗口大小可能会随着行的变而变化。
    CURRENT ROW:当前行
    n PRECEDING:往前n行数据
    n FOLLOWING:往后n行数据
    UNBOUNDED:起点,UNBOUNDED PRECEDING 表示从前面的起点, UNBOUNDED FOLLOWING表示到后面的终点
    LAG(col,n,default_val):往前第n行数据
    LEAD(col,n, default_val):往后第n行数据
    NTILE(n):把有序分区中的行分发到指定数据的组中,各个组有编号,编号从1开始,对于每一行,NTILE返回此行所属的组的编号。注意:n必须为int类型
            name|orderdate|cost
            jack,2017-01-01,10
            tony,2017-01-02,15
            jack,2017-02-03,23
            tony,2017-01-04,29
            jack,2017-01-05,46
            jack,2017-04-06,42
            tony,2017-01-07,50
            jack,2017-01-08,55
            mart,2017-04-08,62
            mart,2017-04-09,68
            neil,2017-05-10,12
            mart,2017-04-11,75
            neil,2017-06-12,80
            mart,2017-04-13,94
create table business(
name string,orderdate string,cost int)
row format delimited fields terminated by ','
load data local inpath "/opt/module/datas/business.txt"
into table business;

##按需求查询
1.查询在2017年4月购买过的顾客及总人数
select name,count(*) over()
from business
where subString(orderdate,1,7)='2017-04'
group by name;
2.查询顾客的购买明细及月购买总额
select name,sum(cost) over(partition by month(orderdate))
from business

3.上述的场景,将每个顾客的cost按照日期进行累加
select name,orderdate,cost,
sum(cost) over() as sample1, --将所有行相加
sum(cost) over(partition by name) as sample2,--按name分组,组内数据相加
sum(cost) over(partition by name order by orderdate) as sample3,--按name分组,组内数据累加 
sum(cost) over(partition by name order by orderdate rows between UNBOUNDED PRECEDING and current row) as sample4,--和sample3一样,由起点到当前行的聚合
sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING AND current row) as sample5,--当前行和前面一行做聚合 
sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING and 1 FOLLOWING) as simple6,--当前行和前边一行及后面一行 
sum(cost) over(partition by name order by orderdate rows between current row and UNBOUNDED FOLLOWING) as sample7 --当前行及后面所有行
from business

rows必须跟在Order by 子句之后,对排序的结果进行限制,使用固定的行数来限制分区中的数据行数量
4.查看顾客上次的购买时间(lag 往前n行)
select name,orderdate,cost,
lag(orderdate,1,'1970-01-01') over(partition by name order by orderdate ) as time1,
lag(orderdate,2) over(partition by name order by orderdate) as time2
from business;

结果:
name    orderdate   cost    time1   time2
jack    2017-01-01  10  1970-01-01  NULL
jack    2017-01-05  46  2017-01-01  NULL
jack    2017-01-08  55  2017-01-05  2017-01-01
jack    2017-02-03  23  2017-01-08  2017-01-05
jack    2017-04-06  42  2017-02-03  2017-01-08
mart    2017-04-08  62  1970-01-01  NULL
mart    2017-04-09  68  2017-04-08  NULL
mart    2017-04-11  75  2017-04-09  2017-04-08
mart    2017-04-13  94  2017-04-11  2017-04-09
neil    2017-05-10  12  1970-01-01  NULL
neil    2017-06-12  80  2017-05-10  NULL
tony    2017-01-02  15  1970-01-01  NULL
tony    2017-01-04  29  2017-01-02  NULL
tony    2017-01-07  50  2017-01-04  2017-01-02

NTILE(n):把有序分区中的行分发到指定数据的组中,
各个组有编号,编号从1开始,对于每一行,NTILE返回此行所属的组的编号。
注意:n必须为int类型。

查询前20%时间的订单信息:

    select * from(
      select name,orderdate,cost,ntile(5)
      over(order by orderdate) sorted
      from business
    ) t
    where sorted = 1;

三.Rank

1.函数说明

Rank() 排序相同时会重复,总数不会变
DENSE_RANK() 排序相同时会重复,总数会减少
ROW_NUMBER() 会根据顺序计算

数据准备:

name    subject score
孙悟空 语文  87
孙悟空 数学  95
孙悟空 英语  68
大海  语文  94
大海  数学  56
大海  英语  84
宋宋  语文  64
宋宋  数学  86
宋宋  英语  84
婷婷  语文  65
婷婷  数学  85
婷婷  英语  78

2.创建hive表并导入数据

create table score(
name string,
subject string, 
score int) 
row format delimited fields terminated by "\t";
load data local inpath '/opt/module/datas/score.txt' into table score;

3.按需求查询数据

select name,subject,score,
rank() over(partition by subject order by score desc) rp,
dense_rank() over(partition by subject order by score desc) drp,
row_number() over(partition by subject order by score desc) rmp
from score;

结果如下:

name    subject score   rp      drp     rmp
孙悟空  数学    95      1       1       1
宋宋    数学    86      2       2       2
婷婷    数学    85      3       3       3
大海    数学    56      4       4       4
宋宋    英语    84      1       1       1
大海    英语    84      1       1       2
婷婷    英语    78      3       2       3
孙悟空  英语    68      4       3       4
大海    语文    94      1       1       1
孙悟空  语文    87      2       2       2
婷婷    语文    65      3       3       3
宋宋    语文    64      4       4       4
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
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

  • 感恩感谢今早修路工人终于又把门前的路边石铺好,用水冲洗干净了,街道树上挂起了彩灯灯笼,张灯结彩迎新年,喜庆一片,感...
    德胜阅读 179评论 0 0
  • 当别人向你抛出一个疑惑希望你解答时,其实他心中早已有了答案,他问你,向你咨询,不过是想得到情感上的共鸣,证实自己所...
    麦子飞呀飞阅读 205评论 0 0
  • 多媒体概念(了解) 文字、图片、音频、视频 计算机图片大小的计算(掌握) 图片大小 = 图片的总像素 * 每个像素...
    法神赵日天阅读 361评论 0 1

友情链接更多精彩内容