Hive窗口函数

@

目录

• 官方文档地址
• Windowing functions
• 统计类的函数(一般都需要结合over使用)：min,max,avg,sum,count
• 窗口的大小可以通过windows_clause来指定：
• 特殊情况：
• 窗口函数和分组有什么区别？
• 练习

官方文档地址

Hive官网，点我就进
oracle,sqlserver都提供了窗口函数，但是在mysql5.5和5.6都没有提供窗口函数！

窗口函数： 窗口+函数

• 窗口： 函数运行时计算的数据集的范围
• 函数： 运行的函数！
  仅仅支持以下函数：

Windowing functions

• LEAD (scalar_expression [,offset] [,default])： 返回当前行以下N行的指定列的列值！如果找不到，就采用默认值
• LAG (scalar_expression [,offset] [,default])： 返回当前行以上N行的指定列的列值！如果找不到，就采用默认值
• FIRST_VALUE(列名,[false(默认)])：返回当前窗口指定列的第一个值，第二个参数如果为true,代表加入第一个值为null，跳过空值，继续寻找！
• LAST_VALUE(列名,[false(默认)])：返回当前窗口指定列的最后一个值，第二个参数如果为true,代表加入第一个值为null，跳过空值，继续寻找！

统计类的函数(一般都需要结合over使用)：min,max,avg,sum,count

排名分析：

• RANK
• ROW_NUMBER
• DENSE_RANK
• CUME_DIST
• PERCENT_RANK
• NTILE

注意：不是所有的函数在运行都是可以通过改变窗口的大小，来控制计算的数据集的范围！所有的排名函数和LAG,LEAD，支持使用over()，但是在over()中不能定义 window_clause

格式： 函数 over( partition by 字段 ,order by 字段 window_clause )

窗口的大小可以通过windows_clause来指定：

(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

特殊情况：

• ①在over()中既没有出现windows_clause，也没有出现order by，窗口默认为rows between UNBOUNDED PRECEDING and UNBOUNDED FOLLOWING
• ②在over()中(没有出现windows_clause)，指定了order by，窗口默认为rows between UNBOUNDED PRECEDING and CURRENT ROW

窗口函数和分组有什么区别？

• ①如果是分组操作，select后只能写分组后的字段
• ②如果是窗口函数，窗口函数是在指定的窗口内，对每条记录都执行一次函数
• ③如果是分组操作，有去重效果，而partition不去重！

练习

(9) 查询前20%时间的订单信息
精确算法：

 select *
 from
 (select name,orderdate,cost,cume_dist() over(order by orderdate ) cdnum
 from  business) tmp
 where cdnum<=0.2

不精确计算：

 select *
 from
 (select name,orderdate,cost,ntile(5) over(order by orderdate ) cdnum
 from  business) tmp
 where cdnum=1

(8)查询顾客的购买明细及顾客最近三次cost花费

最近三次： 当前和之前两次 或 当前+前一次+后一次

当前和之前两次:

select name,orderdate,cost,sum(cost) over(partition by name order by orderdate rows between 2 PRECEDING and CURRENT  row) 
 from business 

当前+前一次+后一次:

select name,orderdate,cost,sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING and 1  FOLLOWING) 
 from business

或

select name,orderdate,cost,cost+
 lag(cost,1,0) over(partition by name order by orderdate )+
 lead(cost,1,0) over(partition by name order by orderdate )
 from business

(7) 查询顾客的购买明细及顾客本月最后一次购买的时间

select name,orderdate,cost,LAST_VALUE(orderdate,true) over(partition by name,substring(orderdate,1,7) order by orderdate rows between CURRENT  row and UNBOUNDED  FOLLOWING) 
 from business 

(6) 查询顾客的购买明细及顾客本月第一次购买的时间

select name,orderdate,cost,FIRST_VALUE(orderdate,true) over(partition by name,substring(orderdate,1,7) order by orderdate ) 
 from business

(5) 查询顾客的购买明细及顾客下次的购买时间

 select name,orderdate,cost,lead(orderdate,1,'无数据') over(partition by name order by orderdate ) 
 from business

（4）查询顾客的购买明细及顾客上次的购买时间

  select name,orderdate,cost,lag(orderdate,1,'无数据') over(partition by name order by orderdate ) 
 from business

（3）查询顾客的购买明细要将cost按照日期进行累加

select name,orderdate,cost,sum(cost) over(partition by name order by orderdate ) 
 from business

（2）查询顾客的购买明细及月购买总额

 select name,orderdate,cost,sum(cost) over(partition by name,substring(orderdate,1,7) ) 
 from business

（1）查询在2017年4月份购买过的顾客及总人数

select name,count(*) over(rows between UNBOUNDED  PRECEDING and UNBOUNDED  FOLLOWING)
from business
where substring(orderdate,1,7)='2017-04'
group by name

等价于

select name,count(*) over()
from business
where substring(orderdate,1,7)='2017-04'
group by name