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3,589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:402条
  • 分类总数:31个
  • 标签总数:44个
  • 运行时间:1013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
  • 晴子: 在主节点初始化CM5数据库的时候报错误:Verifying that we can write to /opt/cm-5.9.0/etc/cloudera-scm -server log4j:ERROR Could not...
  • zhangnew: 就4题 :?:
  • linxh: “ 但要是遇到预先并不知道数组的长度而又需要获取正确的(或者称之 为原始的)split长度时,该如何处理呢。。? ” 印象中可以split函数参数传-1?
  • linxh: 班门弄斧一下: ssh host cmd 和直接ssh上后cmd结果不一样是因为ssh直接运行远程命令 是非交互非登录模式与ssh上去得到一个登录交互式Shell二 者加载的环境变量不一样。
  • 匿名: 其实文本分类和数字分类是一样的,只是文本分类需要多一个步骤, 就是计算它的tf-idf值将其转换为double类型
  • yurnom: 可能苹果最近又改变了返回值吧,最近没做测试了。 BadDeviceToken一般测试环境和正式环境弄错的情况 下会出现。
  • Anonymous: :razz: 博主,良心贴啊, 最近也在弄apns推送。 有个问题想请教你一下啊。 你博客中写的 Unregistered 错误,有准确的说明吗, 我看你博客中写的:...
  • 一波清泉: 回复邮箱: 1004161699@qq.com 多谢
  • Anonymous: 17/02/09 01:15:02 WARN Utils: Service ‘SparkUI’ could not bind on port 4040. Attempting port...
  • pacificLee: :twisted:
  • 小码: 为什么没有后面的呢,只有前10个
  • Anonymous: :lol:
  • Anonymous: :razz: 楼主是属于会聊天的。 我想问,sqoop发了几个版本了,应该没这些问题了吧。
  • Anonymous: Config.kafkaConfig.kafkaGroupI d 这个是指自己配置的group id 还是从 import org.apache.kafka.common.config .Config 这个类...
  • Anonymous: ZkUtils.getPartitionsForTopics (zkClient, Config.kafkaConfig.topic) 那个方法是在 spark-streaming_2.10 中 kafka...
  • Anonymous: ZkUtils.getPartitionsForTopics (zkClient, Config.kafkaConfig.topic) 你确定 kafka 里面有这个类 ? 个人在kafka 最新 稳定版...
  • Anonymous: :roll:
  • Anonymous: 很不错,试问有java版的吗?
  • Anonymous: 赞
  • Anonymous: 哈哈 看楼主的吐槽乐死了 where子句是可以写的 同样找不到资料 一点点试出来的 select id from xxxx where ${CONDITIONS} and 1=1 and 2=2 limit 4