Hive的分析函数又叫窗口函数，在oracle中就有这样的分析函数，主要用来做数据统计分析的。
Lag和Lead分析函数可以在同一次查询中取出同一字段的前N行的数据(Lag)和后N行的数据(Lead)作为独立的列。这种操作可以 代替表的自联接，并且LAG和LEAD有更高的效率，其中over()表示当前查询的结果集对象，括号里面的语句则表示对这个结果集进行处理。
场景描述：
用户Peter在浏览网页，在某个时刻，Peter点进了某个页面，过一段时间后，Peter又进入了另外一个页面，如此反复，那怎么去统计Peter在某个特定网页的停留时间呢，又或是怎么统计某个网页用户停留的总时间呢？
1、建表及数据准备
drop table if exists xxx_user_vist_log;
create table xxx_user_vist_log(
userid string,
time string,
url string
) row format delimited fields terminated by ',';
[hadoop@emr-worker-10 hiveAnalyticFunction]$ cat xxx_user_vist_log.txt
Peter,2015-10-12 01:10:00,url1
Peter,2015-10-12 01:15:10,url2
Peter,2015-10-12 01:16:40,url3
Peter,2015-10-12 02:13:00,url4
Peter,2015-10-12 03:14:30,url5
Marry,2015-11-12 01:10:00,url1
Marry,2015-11-12 01:15:10,url2
Marry,2015-11-12 01:16:40,url3
Marry,2015-11-12 02:13:00,url4
Marry,2015-11-12 03:14:30,url5
LOAD DATA LOCAL INPATH '/home/hadoop/nisj/hiveAnalyticFunction/xxx_user_vist_log.txt' OVERWRITE INTO TABLE xxx_user_vist_log;
2、获取用户在某个页面停留的起始与结束时间
select userid,
time stime,
lead(time) over(partition by userid order by time) etime,
url
from xxx_user_vist_log;
3、计算用户在页面停留的时间间隔
select userid,
time stime,
lead(time) over(partition by userid order by time) etime,
UNIX_TIMESTAMP(lead(time) over(partition by userid order by time),'yyyy-MM-dd HH:mm:ss')- UNIX_TIMESTAMP(time,'yyyy-MM-dd HH:mm:ss') period,
url
from xxx_user_vist_log;
4、计算每个页面停留的总时间（某个用户访问某个页面的总时间）
select nvl(url,'-1') url,
nvl(userid,'-1') userid,
sum(period) totol_peroid from (
select userid,
time stime,
lead(time) over(partition by userid order by time) etime,
UNIX_TIMESTAMP(lead(time) over(partition by userid order by time),'yyyy-MM-dd HH:mm:ss')- UNIX_TIMESTAMP(time,'yyyy-MM-dd HH:mm:ss') period,
url
from xxx_user_vist_log
) a group by url, userid with rollup;
5、最终想要的结果
OK
-1 -1 14940
url1 -1 620
url1 Marry 310
url1 Peter 310
url2 -1 180
url2 Marry 90
url2 Peter 90
url3 -1 6760
url3 Marry 3380
url3 Peter 3380
url4 -1 7380
url4 Marry 3690
url4 Peter 3690
url5 -1 NULL
url5 Marry NULL
url5 Peter NULL
Time taken: 99.59 seconds, Fetched: 16 row(s)
