0
点赞
收藏
分享

微信扫一扫

hive窗口函数极速入门

止止_8fc8 2022-10-11 阅读 195

1 over()窗口函数

1.1 语法结构

分析函数 over(partition by 列名 order by 列名 rows between 开始位置 and 结束位置)

1.2 over中的三个函数具体含义

  • order by:排序的意思,跟sql一样

  • partition by:分区的概念,后面接字段表示跟什么分区,比如日期 partition by day

  • rows between 开始位置 and 结束位置:窗口范围

    PRECEDING:往前
    FOLLOWING:往后
    CURRENT ROW:当前行
    UNBOUNDED:起点(一般结合PRECEDING,FOLLOWING使用)
    UNBOUNDED PRECEDING 表示该窗口最前面的行(起点)
    UNBOUNDED FOLLOWING:表示该窗口最后面的行(终点)
    比如说:
    ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW(表示从起点到当前行)
    ROWS BETWEEN 2 PRECEDING AND 1 FOLLOWING(表示往前2行到往后1行)
    ROWS BETWEEN 2 PRECEDING AND 1 CURRENT ROW(表示往前2行到当前行)
    ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING(表示当前行到终点)
    

2 与over窗口函数一般配套使用的分析函数

2.1 聚合类

  1. 内容
  • avg()
  • sum():注意下这边:和 order by 函数一起使用,就是按照排序,逐行累加
  • max()
  • min()
  • count():注意下这边:和 order by 函数一起使用,就是按照排序,计数累加
  1. 使用:略,和sql一样

2.2 排名类

  1. 内容
  • row_number()
  • rank()
  • dense_rank()
  1. 使用
  • row_number()按照值排序时产生一个自增编号,不会重复(如:1、2、3、4、5、6)
  • rank() 按照值排序时产生一个自增编号,值相等时会重复,会产生空位(如:1、2、3、3、3、6)
  • dense_rank() 按照值排序时产生一个自增编号,值相等时会重复,不会产生空位(如:1、2、3、3、3、4)

2.3 其他类

  1. lag()
  • lag(col,n,DEFAULT) 用于统计窗口内往上第n行值
  • 参数含义:第一个参数为列名,第二个参数为往上第n行(可选,默认为1),第三个参数为默认值(当往上第n行为NULL时候,取默认值,如不指定,则为NULL)
  1. lead()
  • lead(col,n,DEFAULT) 用于统计窗口内往下第n行值
  • 参数含义:第一个参数为列名,第二个参数为往下第n行(可选,默认为1),第三个参数为默认值(当往下第n行为NULL时候,取默认值,如不指定,则为NULL)
  1. ntile()
  • ntile(n)用于将分组数据按照顺序切分成n片,返回当前切片值

  • 参数含义:参数n表示将数据分为几块,并返回n所在的那一块

  1. first_value()
  • first_value(字段) 取分组内排序后,截止到当前行,第一个值
  • 参数含义:first_value(字段),参数是字段,和分组排序搭配使用后,表示该字段的第一个值作为结果返回
  • 来张图理解一下 image.png
  1. last_value()
  • last_value(字段)取分组内排序后,截止到当前行,最后一个值
  • 参数含义:last_value(字段),参数是字段,和分组排序搭配使用后,表示该字段的第最后一个值作为结果返回

3 总结

我感觉是,hive中方便和分析函数一起查看原表数据的一种工具

4 详细参考与案例

想做案例练习可以参考这个小伙伴的视频,刷一下很快的:窗口函数详解+12套案例练习 https://www.bilibili.com/video/BV1DK411J7E4?p=2&vd_source=bf4eb9e00649104ee4ec443e363be4b6

举报

相关推荐

0 条评论