hive視窗函式

視窗函式是什麼？

視窗函式指定了函式工作的資料視窗大小，這個資料視窗大小可能會隨著行的變化而變化。

下面我們練習一些視窗函式。

準備資料:

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

OVER()：

指定分析函式工作的資料視窗大小，這個資料視窗大小可能會隨著行的變而變化。

CURRENT ROW：當前行

n PRECEDING：往前n行資料

n FOLLOWING：往後n行資料

UNBOUNDED：起點，UNBOUNDED PRECEDING 表示從前面的起點， UNBOUNDED FOLLOWING表示到後面的終點

select *,
sum(cost) over (), -- 所有的行相加
sum(cost) over(partition by name), -- 按name分組，組內資料相加
sum(cost) over (partition by name order by orderdate),
-- 按name分組，按照日期組內資料累加
sum(cost) over (partition by name order by orderdate
    rows between unbounded preceding and current row ),
-- 跟上一條一樣，由起點到當前行的聚合
sum(cost) over (partition by name order by orderdate
    rows between 1 preceding and current row ),
-- 當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),
-- 當前行和前面一行及後面一行
sum(cost) over (partition by name order by orderdate
    rows between current row and unbounded following)
-- 當前行及後面所有行
from business;
 

LAG(col,n,default_val)：往前第n行資料

LEAD(col,n, default_val)：往後第n行資料

NTILE(n)：把有序視窗的行分發到指定資料的組中，各個組有編號，編號從1開始，對於每一行，NTILE返回此行所屬的組的編號。注意：n必須為int型別。

select *,
       ntile(5) over(order by orderdate) sorted
from business

RANK（）

RANK() 排序相同時會重複，總數不會變

DENSE_RANK() 排序相同時會重複，總數會減少

ROW_NUMBER() 會根據順序計算

資料準備

select *,
       rank() over (partition by subject order by score desc),
       dense_rank() over (partition by subject order by score desc ),
       row_number() over (partition by subject order by score desc)
from score;