轉載：hive視窗函式必備寶典
原始連結：https://blog.csdn.net/dingchangxiu11/article/details/83145151
hive視窗函式必備寶典
Hive中提供了越來越多的分析函式，用於完成負責的統計分析。我們先在一一列舉，希望能夠加深印象，希望大家積極討論，如有不足，請大家多多指教。。。。
1.Row_Number,Rank，Dense_Rank 這三個視窗函式的使用場景非常多
row_number():從1開始，按照順序，生成分組內記錄的序列,row_number()的值不會存在重複,當排序的值相同時,按照表中記錄的順序進行排列;通常用於獲取分組內排序第一的記錄;獲取一個session中的第一條refer等。
rank()：生成資料項在分組中的排名，排名相等會在名次中留下空位。
dense_rank():生成資料項在分組中的排名，排名相等會在名次中不會留下空位。
示例：資料準備
select * from dcx1234;
2.SUM、AVG、MIN、MAX
首先理解下什麼是WINDOW子句
PRECEDING：往前
FOLLOWING：往後
CURRENT ROW：當前行
UNBOUNDED：起點，UNBOUNDED PRECEDING 表示從前面的起點， UNBOUNDED FOLLOWING：表示到後面的終點
3.NTILE
NTILE(n) 用於將分組資料按照順序切分成n片，返回當前切片值，如果切片不均勻，預設增加第一個切片的分佈。NTILE不支援ROWS BETWEEN
使用場景：
1.如一年中，統計出工資前1/5之的人員的名單，使用NTILE分析函式,把所有工資分為5份，為1的哪一份就是我們想要的結果.
2.sale前20%或者50%的使用者ID
4.LEAD,LAG,FIRST_VALUE,LAST_VALUE
lag與lead函式可以返回上下行的資料
LEAD(col,n,DEFAULT) 用於統計視窗內往下第n行值
第一個引數為列名，第二個引數為往下第n行（可選，預設為1），第三個引數為預設值（當往下第n行為NULL時候，取預設值，如不指定，則為NULL）
使用場景：通常用於統計某使用者在某個網頁上的停留時間
LAG(col,n,DEFAULT) 用於統計視窗內往上第n行值
FIRST_VALUE:取分組內排序後，截止到當前行，第一個值
LAST_VALUE:取分組內排序後，截止到當前行,最後一個值
如果不指定ORDER BY，則預設按照記錄在檔案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後最後一個值，則需要變通一下:
提示：在使用分析函式的過程中，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
5.CUME_DIST，PERCENT_RANK
這兩個序列分析函式不是很常用，這裡也介紹下，他不支援window子句
–CUME_DIST 小於等於當前值的行數/分組內總行數
–比如，統計小於等於當前薪水的人數，所佔總人數的比例
PERCENT_RANK 分組內當前行的RANK值-1/分組內總行數-1
