2021年大数据Hive（七）：Hive的开窗函数

2021-10-11 15:39:57 浏览数 (1)

Hive的开窗函数

一、窗口函数 ROW_NUMBER,RANK,DENSE_RANK

1、数据准备

代码语言：javascript复制
cookie1,2021-06-10,1

cookie1,2021-06-11,5

cookie1,2021-06-12,7

cookie1,2021-06-13,3

cookie1,2021-06-14,2

cookie1,2021-06-15,4

cookie1,2021-06-16,4

cookie2,2021-06-10,2

cookie2,2021-06-11,3

cookie2,2021-06-12,5

cookie2,2021-06-13,6

cookie2,2021-06-14,3

cookie2,2021-06-15,9

cookie2,2021-06-16,7



CREATE TABLE it_t1 (

cookieid string,

createtime string,   --day

pv INT

) ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';

  

-- 加载数据：

load data local inpath '/export/data/hivedatas/it_t2.txt' into table it_t1;

​​​​​​​2、ROW_NUMBER

ROW_NUMBER()  从1开始，按照顺序，生成分组内记录的序列

代码语言：javascript复制
SELECT 

  cookieid,

  createtime,

  pv,

  ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY pv desc) AS rn

  FROM it_t1;

​​​​​​​3、RANK 和 DENSE_RANK

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

代码语言：javascript复制
SELECT 

cookieid,

createtime,

pv,

RANK() OVER(PARTITION BY cookieid ORDER BY pv desc) AS rn1,

DENSE_RANK() OVER(PARTITION BY cookieid ORDER BY pv desc) AS rn2,

ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY pv DESC) AS rn3

FROM it_t1

WHERE cookieid = 'cookie1';

​​​​​​​二、Hive分析窗口函数 SUM,AVG,MIN,MAX

​​​​​​​1、数据准备

代码语言：javascript复制
--建表语句:

create table it_t2(

cookieid string,

createtime string,   --day

pv int

) row format delimited

fields terminated by ',';



--加载数据：

load data local inpath '/root/hivedata/ it_t2.txt' into table it_t2;



--开启智能本地模式

SET hive.exec.mode.local.auto=true;

​​​​​​​2、SUM（结果和ORDER BY相关,默认为升序）

代码语言：javascript复制
select cookieid,createtime,pv,

sum(pv) over(partition by cookieid order by createtime) as pv1

from it_t2;



select cookieid,createtime,pv,

sum(pv) over(partition by cookieid order by createtime rows between unbounded preceding and current row) as pv2

from it_t2;



select cookieid,createtime,pv,

sum(pv) over(partition by cookieid) as pv3

from it_t2;  --如果没有order  by排序语句  默认把分组内的所有数据进行sum操作



select cookieid,createtime,pv,

sum(pv) over(partition by cookieid order by createtime rows between 3 preceding and current row) as pv4

from it_t2;



select cookieid,createtime,pv,

sum(pv) over(partition by cookieid order by createtime rows between 3 preceding and 1 following) as pv5

from it_t2;



select cookieid,createtime,pv,

sum(pv) over(partition by cookieid order by createtime rows between current row and unbounded following) as pv6

from it_t2;



--pv1: 分组内从起点到当前行的pv累积，如，11号的pv1=10号的pv 11号的pv, 12号=10号 11号 12号

--pv2: 同pv1

--pv3: 分组内(cookie1)所有的pv累加

--pv4: 分组内当前行 往前3行，如，11号=10号 11号， 12号=10号 11号 12号，

                       13号=10号 11号 12号 13号， 14号=11号 12号 13号 14号

--pv5: 分组内当前行 往前3行 往后1行，如，14号=11号 12号 13号 14号 15号=5 7 3 2 4=21

--pv6: 分组内当前行 往后所有行，如，13号=13号 14号 15号 16号=3 2 4 4=13，

 14号=14号 15号 16号=2 4 4=10



/*

- 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：起点

  - unbounded preceding 表示从前面的起点

  - unbounded following：表示到后面的终点

 */ 

​​​​​​​3、AVG，MIN，MAX

AVG,MIN,MAX和SUM用法一样

代码语言：javascript复制
select cookieid,createtime,pv,

avg(pv) over(partition by cookieid order by createtime rows between unbounded preceding and current row) as pv2

from it_t2;



select cookieid,createtime,pv,

max(pv) over(partition by cookieid order by createtime rows between unbounded preceding and current row) as pv2

from it_t2;



select cookieid,createtime,pv,

min(pv) over(partition by cookieid order by createtime rows between unbounded preceding and current row) as pv2

from it_t2;