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
  • 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 211,884评论 6 492
  • 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 90,347评论 3 385
  • 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 157,435评论 0 348
  • 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 56,509评论 1 284
  • 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 65,611评论 6 386
  • 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 49,837评论 1 290
  • 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 38,987评论 3 408
  • 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 37,730评论 0 267
  • 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 44,194评论 1 303
  • 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 36,525评论 2 327
  • 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 38,664评论 1 340
  • 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 34,334评论 4 330
  • 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 39,944评论 3 313
  • 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 30,764评论 0 21
  • 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 31,997评论 1 266
  • 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 46,389评论 2 360
  • 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 43,554评论 2 349

推荐阅读更多精彩内容

  • 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 129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 177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 301评论 0 1