博客
关于我
Hive常用函数大全(二)(窗口函数、分析函数、增强group)
阅读量:257 次
发布时间:2019-03-01

本文共 6361 字,大约阅读时间需要 21 分钟。

窗口函数与分析函数

应用场景: 

(1)用于分区排序 
(2)动态Group By 
(3)Top N 
(4)累计计算 
(5)层次查询

窗口函数

FIRST_VALUE:取分组内排序后,截止到当前行,第一个值 

LAST_VALUE: 取分组内排序后,截止到当前行,最后一个值 
LEAD(col,n,DEFAULT) :用于统计窗口内往下第n行值。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) 
LAG(col,n,DEFAULT) :与lead相反,用于统计窗口内往上第n行值。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)

OVER从句

1、使用标准的聚合函数COUNT、SUM、MIN、MAX、AVG 

2、使用PARTITION BY语句,使用一个或者多个原始数据类型的列 
3、使用PARTITION BYORDER BY语句,使用一个或者多个数据类型的分区或者排序列 
4、使用窗口规范,窗口规范支持以下格式:

(ROWS | RANGE) BETWEEN (UNBOUNDED | [num]) PRECEDING AND ([num] PRECEDING | CURRENT ROW | (UNBOUNDED | [num]) FOLLOWING)(ROWS | RANGE) BETWEEN CURRENT ROW AND (CURRENT ROW | (UNBOUNDED | [num]) FOLLOWING)(ROWS | RANGE) BETWEEN [num] FOLLOWING AND (UNBOUNDED | [num]) FOLLOWING

ORDER BY后面缺少窗口从句条件,窗口规范默认是 RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW.

ORDER BY和窗口从句都缺失, 窗口规范默认是 ROW BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING.

OVER从句支持以下函数, 但是并不支持和窗口一起使用它们。 

Ranking函数: Rank, NTile, DenseRank, CumeDist, PercentRank
Lead 和 Lag 函数.

分析函数

ROW_NUMBER() 从1开始,按照顺序,生成分组内记录的序列,比如,按照pv降序排列,生成分组内每天的pv名次,ROW_NUMBER()的应用场景非常多,再比如,获取分组内排序第一的记录;获取一个session中的第一条refer等。 

RANK() 生成数据项在分组中的排名,排名相等会在名次中留下空位 
DENSE_RANK() 生成数据项在分组中的排名,排名相等会在名次中不会留下空位 
CUME_DIST 小于等于当前值的行数/分组内总行数。比如,统计小于等于当前薪水的人数,所占总人数的比例 
PERCENT_RANK 分组内当前行的RANK值-1/分组内总行数-1 
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,如果切片不均匀,默认增加第一个切片的分布。NTILE不支持ROWS BETWEEN,比如 NTILE(2) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND CURRENT ROW)。

Hive2.1.0及以后支持Distinct

在聚合函数(SUM, COUNT and AVG)中,支持distinct,但是在ORDER BY 或者 窗口限制不支持。

COUNT(DISTINCT a) OVER (PARTITION BY c)

Hive 2.2.0中在使用ORDER BY和窗口限制时支持distinct

COUNT(DISTINCT a) OVER (PARTITION BY c ORDER BY d ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING)

Hive2.1.0及以后支持在OVER从句中支持聚合函数

SELECT rank() OVER (ORDER BY sum(b))FROM TGROUP BY a;

 

## COUNT、SUM、MIN、MAX、AVG

## COUNT、SUM、MIN、MAX、AVGselect     user_id,    user_type,    sales,    --默认为从起点到当前行    sum(sales) OVER(PARTITION BY user_type ORDER BY sales asc) AS sales_1,    --从起点到当前行,结果与sales_1不同。    sum(sales) OVER(PARTITION BY user_type ORDER BY sales asc ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS sales_2,    --当前行+往前3行    sum(sales) OVER(PARTITION BY user_type ORDER BY sales asc ROWS BETWEEN 3 PRECEDING AND CURRENT ROW) AS sales_3,    --当前行+往前3行+往后1行    sum(sales) OVER(PARTITION BY user_type ORDER BY sales asc ROWS BETWEEN 3 PRECEDING AND 1 FOLLOWING) AS sales_4,    --当前行+往后所有行      sum(sales) OVER(PARTITION BY user_type ORDER BY sales asc ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) AS sales_5,    --分组内所有行    SUM(sales) OVER(PARTITION BY user_type) AS sales_6                          from     order_detailorder by     user_type,    sales,    user_id;

result

注意:

结果和ORDER BY相关,默认为升序

如果不指定ROWS BETWEEN,默认为从起点到当前行;
如果不指定ORDER BY,则将分组内所有值累加;

关键是理解ROWS BETWEEN含义,也叫做WINDOW子句:

PRECEDING:往前
FOLLOWING:往后
CURRENT ROW:当前行
UNBOUNDED:无界限(起点或终点)
UNBOUNDED PRECEDING:表示从前面的起点 
UNBOUNDED FOLLOWING:表示到后面的终点
其他COUNT、AVG,MIN,MAX,和SUM用法一样。

 

## first_value与last_value

## first_value与last_valueselect     user_id,    user_type,    ROW_NUMBER() OVER(PARTITION BY user_type ORDER BY sales) AS row_num,      first_value(user_id) over (partition by user_type order by sales desc) as max_sales_user,    first_value(user_id) over (partition by user_type order by sales asc) as min_sales_user,    last_value(user_id) over (partition by user_type order by sales desc) as curr_last_min_user,    last_value(user_id) over (partition by user_type order by sales asc) as curr_last_max_userfrom     order_detail;

result

 

 ## lead与lag

## lead与lagselect     user_id,device_id,    lead(device_id) over (order by sales) as default_after_one_line,    lag(device_id) over (order by sales) as default_before_one_line,    lead(device_id,2) over (order by sales) as after_two_line,    lag(device_id,2,'abc') over (order by sales) as before_two_linefrom     order_detail;

result

 

## RANK、ROW_NUMBER、DENSE_RANK

## RANK、ROW_NUMBER、DENSE_RANKselect     user_id,user_type,sales,    RANK() over (partition by user_type order by sales desc) as r,    ROW_NUMBER() over (partition by user_type order by sales desc) as rn,    DENSE_RANK() over (partition by user_type order by sales desc) as drfrom    order_detail;

result 

 

## NTILE

## NTILEselect     user_type,sales,    --分组内将数据分成2片    NTILE(2) OVER(PARTITION BY user_type ORDER BY sales) AS nt2,    --分组内将数据分成3片        NTILE(3) OVER(PARTITION BY user_type ORDER BY sales) AS nt3,    --分组内将数据分成4片        NTILE(4) OVER(PARTITION BY user_type ORDER BY sales) AS nt4,    --将所有数据分成4片    NTILE(4) OVER(ORDER BY sales) AS all_nt4from     order_detailorder by     user_type,    sales;

result 

 

## 求取sale前20%的用户ID

# 求取sale前20%的用户IDselect    user_idfrom(    select         user_id,        NTILE(5) OVER(ORDER BY sales desc) AS nt    from         order_detail)Awhere nt=1;

 

## CUME_DIST、PERCENT_RANK 

## CUME_DIST、PERCENT_RANK select user_id,user_type,sales,--没有partition,所有数据均为1组CUME_DIST() OVER(ORDER BY sales) AS cd1,--按照user_type进行分组CUME_DIST() OVER(PARTITION BY user_type ORDER BY sales) AS cd2 from order_detail;

result

select user_type,sales--分组内总行数      SUM(1) OVER(PARTITION BY user_type) AS s, --RANK值  RANK() OVER(ORDER BY sales) AS r,    PERCENT_RANK() OVER(ORDER BY sales) AS pr,--分组内     PERCENT_RANK() OVER(PARTITION BY user_type ORDER BY sales) AS prg from order_detail;

 

 

增强的聚合 Cube和Grouping 和Rollup

这几个分析函数通常用于OLAP中,不能累加,而且需要根据不同维度上钻和下钻的指标统计,比如,分小时、天、月的UV数。

## GROUPING SETS

 在一个GROUP BY查询中,根据不同的维度组合进行聚合,等价于将不同维度的GROUP BY结果集进行UNION ALL, 

其中的GROUPING__ID,表示结果属于哪一个分组集合。

select    user_type,    sales,    count(user_id) as pv,    GROUPING__ID from     order_detailgroup by     user_type,salesGROUPING SETS(user_type,sales) ORDER BY     GROUPING__ID;

result 

 

select    user_type,    sales,    count(user_id) as pv,    GROUPING__ID from     order_detailgroup by     user_type,salesGROUPING SETS(user_type,sales,(user_type,sales)) ORDER BY     GROUPING__ID;

result

 

## CUBE 

根据GROUP BY的维度的所有组合进行聚合。

select    user_type,    sales,    count(user_id) as pv,    GROUPING__ID from     order_detailgroup by     user_type,salesWITH CUBE ORDER BY     GROUPING__ID;

 result

 

## ROLLUP 

是CUBE的子集,以最左侧的维度为主,从该维度进行层级聚合。

select    user_type,    sales,    count(user_id) as pv,    GROUPING__ID from     order_detailgroup by     user_type,salesWITH ROLLUP ORDER BY     GROUPING__ID;

result

 

转载:

你可能感兴趣的文章
苹果进军搜索,背后藏着什么“阳谋”?
查看>>
egg:如何在控制器中拿到前端传的参数
查看>>
struct 模块
查看>>
编程与编程语言分类
查看>>
【 UVA - 572 】 Oil Deposits (DFS水题)
查看>>
约瑟夫环问题
查看>>
ES6 JavaScript 重新認識 Promise
查看>>
分享九款不同页面404源码html
查看>>
404页圈小猫游戏代码
查看>>
好看清新卡通人物404单页网站源码
查看>>
简洁仿t猫404页html源码
查看>>
Python九齿耙(Ninerake)数据采集大数据深度学习智能分析爬虫软件的正则表达式规则简介
查看>>
Kotlin实现冒泡排序
查看>>
NodeJS下TypeScript环境安装
查看>>
汽车后市场,小程序为何独占鳌头
查看>>
短视频小程序,互联网新风口
查看>>
Mybatis-plus代码生成器模板(MySQL数据库)
查看>>
使用redis管理Mybatis的二级缓存
查看>>
使用redis管理Mybatis-Plus的二级缓存
查看>>
Mybatis中的SQL语句等于、不等于和模糊查询的语法
查看>>