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3,271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:78篇
  • 评论总数:252条
  • 分类总数:31个
  • 标签总数:43个
  • 运行时间:946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
  • 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
  • EVIL: 我在运行完C4.5的代码后,显示 defined object DecisionTreeTest 是什么意思?这是有错误吗?运行结果在哪里看?
  • sf: 楼主的问题,我都遇到。。。没办法项目已经定型了,最后都硬着头 皮一个一个的改了源码
  • zz: 我去,楼主你真及时,我们今天上了新的HTTP2 push之后也发现速度曲线很奇怪,开始有200k/min,跟 另一台老的推送协议速度差不多,但是过了一会,立马降到只有几k /min,百思不得其解,我们还用了一个海外代理,在...
  • qi365: :mad: 很可恶,百度助纣为虐~
  • qi365: :? :shock: haha~ very good~
  • 张是大: 《深入浅出Spark机器学习实战(用户行为分析)》 课程网盘下载:http://pan.baidu.com/s/ 1mixvUli 密码:1pfn
  • Anonymous: :???:
  • Anonymous: 我用着sqoop感觉还可以,select 几十个字段也没事,估计是版本低。。
  • Anonymous: :grin: