Hive學習之路 （十六）Hive分析窗口函數(四) LAG、LEAD、FIRST_VALUE和LAST_VALUE

數據准備

數據格式

cookie4.txt

cookie1,2015-04-10 10:00:02,url2
cookie1,2015-04-10 10:00:00,url1
cookie1,2015-04-10 10:03:04,1url3
cookie1,2015-04-10 10:50:05,url6
cookie1,2015-04-10 11:00:00,url7
cookie1,2015-04-10 10:10:00,url4
cookie1,2015-04-10 10:50:01,url5
cookie2,2015-04-10 10:00:02,url22
cookie2,2015-04-10 10:00:00,url11
cookie2,2015-04-10 10:03:04,1url33
cookie2,2015-04-10 10:50:05,url66
cookie2,2015-04-10 11:00:00,url77
cookie2,2015-04-10 10:10:00,url44
cookie2,2015-04-10 10:50:01,url55

創建表

use cookie;
drop table if exists cookie4;
create table cookie4(cookieid string, createtime string, url string) 
row format delimited fields terminated by ',';
load data local inpath "/home/hadoop/cookie4.txt" into table cookie4;
select * from cookie4;

 

玩一玩LAG

說明

LAG(col,n,DEFAULT) 用於統計窗口內往上第n行值

第一個參數為列名，
第二個參數為往上第n行（可選，默認為1），
第三個參數為默認值（當往上第n行為NULL時候，取默認值，如不指定，則為NULL）

查詢語句

select 
  cookieid, 
  createtime, 
  url, 
  row_number() over (partition by cookieid order by createtime) as rn, 
  LAG(createtime,1,'1970-01-01 00:00:00') over (partition by cookieid order by createtime) as last_1_time, 
  LAG(createtime,2) over (partition by cookieid order by createtime) as last_2_time 
from cookie.cookie4;

查詢結果

結果說明

last_1_time: 指定了往上第1行的值，default為'1970-01-01 00:00:00'  
　　　　　　　　cookie1第一行，往上1行為NULL,因此取默認值 1970-01-01 00:00:00
　　　　　　　　cookie1第三行，往上1行值為第二行值，2015-04-10 10:00:02
　　　　　　　　cookie1第六行，往上1行值為第五行值，2015-04-10 10:50:01 last_2_time: 指定了往上第2行的值，為指定默認值
　　　　　　　　cookie1第一行，往上2行為NULL
　　　　　　　　cookie1第二行，往上2行為NULL
　　　　　　　　cookie1第四行，往上2行為第二行值，2015-04-10 10:00:02
　　　　　　　　cookie1第七行，往上2行為第五行值，2015-04-10 10:50:01

 

玩一玩LEAD

說明

與LAG相反

LEAD(col,n,DEFAULT) 用於統計窗口內往下第n行值

第一個參數為列名，
第二個參數為往下第n行（可選，默認為1），
第三個參數為默認值（當往下第n行為NULL時候，取默認值，如不指定，則為NULL）

查詢語句

select 
  cookieid, 
  createtime, 
  url, 
  row_number() over (partition by cookieid order by createtime) as rn, 
  LEAD(createtime,1,'1970-01-01 00:00:00') over (partition by cookieid order by createtime) as next_1_time, 
  LEAD(createtime,2) over (partition by cookieid order by createtime) as next_2_time 
from cookie.cookie4;

查詢結果

結果說明

--邏輯與LAG一樣，只不過LAG是往上，LEAD是往下。

玩一玩FIRST_VALUE

說明

取分組內排序后，截止到當前行，第一個值

查詢語句

select 
  cookieid, 
  createtime, 
  url, 
  row_number() over (partition by cookieid order by createtime) as rn, 
  first_value(url) over (partition by cookieid order by createtime) as first1 
from cookie.cookie4;

查詢結果

玩一玩LAST_VALUE

說明

取分組內排序后，截止到當前行，最后一個值

查詢語句

select 
  cookieid, 
  createtime, 
  url, 
  row_number() over (partition by cookieid order by createtime) as rn, 
  last_value(url) over (partition by cookieid order by createtime) as last1 
from cookie.cookie4;

查詢結果

如果不指定ORDER BY，則默認按照記錄在文件中的偏移量進行排序，會出現錯誤的結果

如果想要取分組內排序后最后一個值，則需要變通一下

查詢語句

select 
  cookieid, 
  createtime, 
  url, 
  row_number() over (partition by cookieid order by createtime) as rn,
  LAST_VALUE(url) over (partition by cookieid order by createtime) as last1,
  FIRST_VALUE(url) over (partition by cookieid order by createtime desc) as last2 
from cookie.cookie4 
order by cookieid,createtime;

查詢結果

 

提示：在使用分析函數的過程中，要特別注意ORDER BY子句，用的不恰當，統計出的結果就不是你所期望的。