美文网首页
Hive基础增强-(窗口函数)

Hive基础增强-(窗口函数)

作者: bigdata三十五画生 | 来源:发表于2020-06-26 23:35 被阅读0次

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

转载自

https://www.jianshu.com/p/fd86a9743045

相关文章

  • Hive基础增强-(窗口函数)

    一.原始数据 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 二.原始数据 相关函数说明OVER(...

  • Hive笔记8-窗口分析函数

    hive分析窗口函数 基础函数 SUM、AVG、MIN、MAX 序列函数 序列函数,NTILE,ROW_NUMBE...

  • Hive 学习总结

    这一周主要学习了 Hive 的一些基础知识,学习了多个 Hive 窗口函数,虽然感觉这些窗口函数没有实际的应用...

  • hive窗口函数总结

    一:前言 根据官网的介绍,hive推出的窗口函数功能是对hive sql的功能增强,确实目前用于离线数据分析逻辑日...

  • Hive SQL 窗口函数

    本文首发:大数据每日哔哔-Hive SQL 窗口函数 Hive 的窗口函数 在 SQL 中有一类函数叫做聚合函数,...

  • Pandas实现Hive中的窗口函数

    1、Hive窗口函数 我们先来介绍一下Hive中几个常见的窗口函数,row_number(),lag()和lead...

  • Hive窗口函数基础及练习

    一、基础知识 我们常见的count()over;sum()over();avg()over()等,其中的count...

  • hive窗口函数

    一.窗口函数基本概念 Mysql8.0也支持窗口函数,也称为分析函数,窗口函数与分组聚合函数类似,但是每一...

  • hive窗口函数

    over()开窗 按我的理解,开窗函数就是开出一个小窗口,对小窗口内的数据统计处理。 累计计算窗口函数 sum()...

  • Hive 窗口函数

    Select 窗口函数 over():指定分析函数的数据窗口大小,这个数据窗口大小随行的变化而变化。CURRENT...

网友评论

      本文标题:Hive基础增强-(窗口函数)

      本文链接:https://www.haomeiwen.com/subject/jgbufktx.html