程序员的自我修养
Home » Apache Hive » Hive窗口和分析函数(上)

Hive窗口和分析函数(上)

0条评论4,334次浏览

之前记录row_number()的使用方法,最近终于有空将窗口函数这一块完整的看一遍,在此记录。

Analytics functions

RANK()、DENSE_RANK()、ROW_NUMBER()

使用示例:

其中PARTITION by calling_nbr可选,若加上则是窗口内统计,否则则是全局统计。

部分结果如下:

可以看到以calling_nbr为组进行组内的统计,ROW_NUMBER()统计当前行号,从1开始;RANK()为排名统计,若进行排名的值相同则后续留空,如上面的结果中出现了两个2,则接着从4开始;ROW_NUMBER()RANK()类似,不过出现相同值时不会后续留空,允许“并列第几”的存在。

NTILE()

分片函数,将数据等分为N份,示例如下,将整个表按照count从大到小进行排序并切分成5份。

这样可以通过til=1来选择前1/5的数据,til=2选择1/5到2/5间的数据,以此类推。

验证是否是等分:

结果:

CUME_DIST()、PERCENT_RANK()

类似oracle中的CUME_DIST和PERCENT_RANK函数,用来计算分组中的位置,数值介于0和1之间。

示例:

结果(只选取了一组):

其中CUME_DIST的计算方式为分组所在位置/分组大小,如1/23=0.043478260869565216,23/23=1.0。PERCENT_RANK的计算方式为(分组中顺序-1)/(分组大小-1),如(1-1)/(23-1)=0.0,(2-1)/(23-1)=0.045454545454545456。

The OVER clause

上面已经用到了OVER关键字,除了上面的用法以外,还有更强大的窗口选择关键字ROWS。用法:ROWS ((CURRENT ROW) | (UNBOUNDED | [num]) PRECEDING) AND (UNBOUNDED | [num]) FOLLOWING

举例,数据:

建表语句:

使用ROWS关键字:

结果:

此时对照原始数据完全看不出来是什么意思,在使用ROWS时根据duration进行了组内的排序,这里将排序的结果展示出来:

此时在看ROWS后面参数的含义,意思是从前1行开始到后1行结束,也就是窗口的大小限制成为3。结合结果数据和排序后的数据来开,当没有前一行的时候,窗口大小变成2,即当前行和后一行,如结果数据中第一行的78=67(当前行)+11(后一行),第二行88=67(前一行)+11(当前行)+10(后一行),当没有后一行时情况类似。

此外可以用CURRENT ROW限制成当前行,用UNBOUNDED PRECEDING或FOLLOWING来表示不限制前/后面的行数。一个典型的不限制前面行数的应用就是按月累积统计值,如1月的收入、2月的累积收入(包括1月)、3月的累积收入..

(转载本站文章请注明作者和出处 程序员的自我修养 – SelfUp.cn ,请勿用于任何商业用途)
分类:Apache Hive
标签:,
发表评论


profile
  • 文章总数:79篇
  • 评论总数:250条
  • 分类总数:31个
  • 标签总数:44个
  • 运行时间:1187天

大家好,欢迎来到selfup.cn。

这不是一个只谈技术的博客,这里记录我成长的点点滴滴,coding、riding and everthing!

最新评论
  • Anonymous: java.io.NotSerializableExcepti on: DStream checkpointing has been enabled but the DStreams with their...
  • wick: HI,请问一下,U,S,V得到后,怎么得到近似矩阵呢(用sp ark java),谢谢。
  • Michael Whitaker: Thank you for this blog, it was very helpful in troubleshooting my own issues. It seems that no...
  • Anonymous: :mad:
  • Anonymous: :???:
  • Anonymous: :mad: :mad: :mad:
  • 洋流: 哥们,我问个问题,你把testOnborrow去掉了。。如果 得到的jedis资源是个不可用的,服务从来都不出问题么?
  • 洋流: 哥们,我问个问题,你把testOnborrow去掉了。。如果 得到的jedis资源是个不可用的,服务从来都不出问题么?
  • Anonymous: :razz: :evil: :grin:
  • 张瑞昌: 有很多,比较常见的是Jacob迭代法,一次迭代O(n^3), 迭代次数不清楚。 如果是手动算的话按照定义求就可以了
  • Anonymous: :mrgreen:
  • lc277: 你好 我想问下一般删除节点要多久,要删除的datanode大概用了 1t,解除授权已经30多小时还没完成,请问是出现什么问题了吗 麻烦告诉下谢谢 qq1844554123
  • Anonymous: 你好 我想问下一般删除节点要多久,要删除的datanode大概用了 1t,解除授权已经30多小时还没完成,请问是出现什么问题了吗
  • Anonymous: :smile: :grin: :eek:
  • 李雪璇: 想要完整代码,可以帮忙发给我吗
  • Anonymous: 请问一下,那个 user的推荐结果楼主查看了么? 为什么输入数据 最高是五分,输出结果都是7分8分啥的?怎么设置输出的分数的最 大值?
  • Anonymous: 那个 user的推荐结果楼主查看了么? 为什么输入数据 最高是五分,输出结果都是7分8分啥的?
  • Anonymous: stopGracefullyOnShutdown在yarn- client模式下我测试的无效,你的呢
  • Anonymous: 另外,import的lib包能否发个列表.
  • Anonymous: 部分程序已经无法使用, 另外 你的import代码 也应该放上来哈