參考鏈接1：https://blog.csdn.net/sinat_27339001/article/details/52189843
參考鏈接2：https://blog.csdn.net/haramshen/article/details/52668586
hive里面倒是有個percentile函數和percentile_approx函數，其使用方式為percentile(col, p)、percentile_approx(col, p)，p∈(0,1)p∈(0,1)
其中percentile要求輸入的字段必須是int類型的，而percentile_approx則是數值類似型的都可以
其實percentile_approx還有一個參數B：percentile_approx(col, p，B)，參數B控制內存消耗的近似精度，B越大，結果的准確度越高。默認為10,000。當col字段中的distinct值的個數小於B時，結果為准確的百分位數。
如果我要求多個分位數怎么辦呢？，可以把p換為array(p1,p2,p3…p1,p2,p3…)，即
percentile_approx(col,array(0.05,0.5,0.95),9999)percentile_approx(col,array(0.05,0.5,0.95),9999)
如果不放心的話，就給col再加個轉換：
percentile_approx(cast(col as double),array(0.05,0.5,0.95),9999)percentile_approx(cast(col as double),array(0.05,0.5,0.95),9999)
其輸出結果長這樣：
[0.0,4001.0,4061.0][0.0,4001.0,4061.0]
沒法直接用啊！再加個轉換：
explode(percentile_approx(cast(col as double),array(0.05,0.5,0.95),9999))as percentileexplode(percentile_approx(cast(col as double),array(0.05,0.5,0.95),9999))as percentile
輸出結果就長這樣了：
| percentile |
|---|
| 0 |
| 4001 |
| 4061 |
實際操作中，發現有時在計算分位數的時候mapper會卡在0%。
前面說過，如果distinct的值小於B，就會返回精確值，那么個人猜測是因為后台執行的過程是先做了一個select distinct limit B，然后排序得到分位數。如果distinct值特別多的情況下，僅僅是去重就是一個巨大的運算負擔，更別說排序了。而當把B從10000調到100的時候很快就能跑出來了