Hive窗口函數

 

參考地址：https://cwiki.apache.org/confluence/display/Hive/LanguageManual+WindowingAndAnalytics

環境准備：

CREATE TABLE `wtab`(
  `a` int, 
  `b` int, 
  `c` int);

　　

數據：

 

1、LEAD函數

LEAD (scalar_expression [,offset] [,default]) OVER ([query_partition_clause] order_by_clause); The LEAD function is used to return data from the next row.

lead函數主要是返回窗口中列名為：scalar_expression偏移為offset的值，如果不存在則返回NULL，窗口使用over划分，具體划分參考示例：

 SELECT a, LEAD(a,1,9999) OVER (PARTITION BY b ORDER BY C) from wtab;

PARTITION BY 表示根據字段b划分窗口，就是b值相同的划分到一個窗口，ORDER BY 表示窗口內部按照字段C進行排序。此條查詢結果為：

 

以b=1為例講解，b相同的都在一個窗口按照c排序之后結果為：

這個就是b=1的窗口，a=1下面offset=1的數據為11，所以查詢結果為：1 11 ；其他同理。

 

2、LAG函數

LAG  (scalar_expression [,offset] [,default]) OVER ([query_partition_clause] order_by_clause); The LAG function is used to access data from a previous row.

lag函數與lead函數相反，是向上offset取row，如果row不存在則返回默認值。示例：

 

 SELECT a, LAG(a, 2, 66666) OVER (PARTITION BY b ORDER BY C) from wtab;

 根據字段b划分窗口之后向上offset=2取row，沒有的話返回6666

 

 3:  FIRST_VALUE(columnName,isSkipNull) 函數

划分窗口之后，取columnName第一個值，第二個參數指定是否忽略null，默認false，示例：

SELECT a, FIRST_VALUE(a,true) OVER (PARTITION BY b ORDER BY C) from wtab;

　

查詢結果

同理LAST_VALUE取當前窗口的最后一個值！如果只是select last_value(a) from table 這種事窗口內全部元素到達之后采取；如果是 select a, last_value(a) from table這種形式是當前a的值的當前窗口取最后一個，當排序的key存在重復值的時候，取值存在不確定。例如數據為：

查詢為：

會發現b=1的窗口的last_value有點與預期不一樣，這就是由於排序的字段c存在相同的值，由於每一row到達順序不一樣導致結果存在不確定性。但是對於b=155的窗口，字段c不存在重復值，這樣就不會存在不確定性！！！！first_value同理，當半路來一個更小的值可能就存在不確定性，

因此：first_value與last_value不要和函數內部使用的字段聯合查詢：例如select last_value(a),a 這種就是聯合查詢了，函數內部字段a，外面還有字段a，此時窗口是根據當前字段a的值確定的當前窗口取first或者last.

 

3：

• COUNT
• SUM
• MIN
• MAX
• AVG

這幾個函數就是窗口內的聚集函數，沒有特別之處，partition by 可以按照多個字段划分窗口

 

 

 

 

 

 

 

 待補充：https://blog.csdn.net/qq_20641565/article/details/52841345