hive的窗口函数精讲

Student表：

+---------------+----------------+--------------------------+----------------+
--+| student.name  | student.class  | student.cooperator_name  | student.score  |
+---------------+----------------+--------------------------+----------------+
--+ | df            | 3              | 测试公司1                    | 45          
   || asdf          | 3              | 测试公司2                    | 55          
   || cfe           | 2              | 测试公司2                    | 74          
   || 3dd           | 3              | 测试公司5                    | NULL        
   || fda           | 1              | 测试公司7                    | 80          
   || gds           | 2              | 测试公司9                    | 92          
   || ffd           | 1              | 测试公司10                   | 95          
   || dss           | 1              | 测试公司4                    | 95          
   || ddd           | 3              | 测试公司3                    | 99          
   || gf            | 3              | 测试公司9                    | 99          
   |+---------------+----------------+--------------------------+----------------+
--+

1.sum...over...

按照班级进行归类，统计总分数totalscore

select class,name,cooperator_name,score,sum(score) over(partition by class) as totalscore from student;

 

2.row_number()...over...

给每个班级进行排名（没有并列）

select name,class,score,row_number() over(partition by class order by score desc ) mm from student;

找出每个班级排名第一名的学生信息

在求第一名成绩的时候，不能用row_number()，因为如果同班有两个并列第一，row_number()只返回一个结果;

select * from (select name,class,score,row_number() over(partition by class order by score desc ) mm from student) s where s.mm = 1; 

Rank()和dense_Rank()可以将所有的都查找出来，如上面都可以将并列第一求出来。

Rand是跳跃排序，有两个第一名，下来就是第三名

select name,class,score,rank() over(partition by class order by score desc ) mm from student;

 

Densc_rank()

Densc_rank()连续排序和rank()的排序不一样，当有两个并列第一的时候，会有第二名

select name,class,score,dense_rank() over(partition by class order by score desc ) mm from student;

lag()...over()...函数用法（取出前n行数据）

LAG(col,n,DEFAULT) 用于统计窗口内往上第n行值
第一个参数为列名，第二个参数为往上第n行（可选，默认为1），第三个参数为默认值（当往上第n行为NULL时候，取默认值，如不指定，则为NULL）