Hive窗口函数/内部、外部表

Hive窗口函数

在SQL处理中，窗口函数都是最后一步执行，而且仅位于Order by字句之前。

聚合函数+over
查询在2015年4月份购买过的顾客及总人数，使用窗口函数实现

select name,count(*) over ()
from t_window
where substring(orderdate,1,7) = '2015-04'

partition by子句
Over子句之后第一个提到的就是Partition By。Partition By子句也可以称为查询分区子句，非常类似于Group By，都是将数据按照边界值分组，而Over之前的函数在每一个分组之内进行，如果超出了分组，则函数会重新计算。
查看顾客的购买明细及月购买总额，可以执行如下的sql

select name,orderdate,cost,
sum(cost) over(partition by month(orderdate))
from t_window

order by子句
order by子句会让输入的数据强制排序（窗口函数是SQL语句最后执行的函数，因此可以把SQL结果集想象成输入数据）。Order By子句对于诸如Row_Number()，Lead()，LAG()等函数是必须的，因为如果数据无序，这些函数的结果就没有任何意义。因此如果有了Order By子句，则Count()，Min()等计算出来的结果就没有任何意义。

sum() 中加order by 和不加order by的区：加了的话是一个累加的过程，不加是分组汇总，比如有10条记录，算的每个值都一样是（是和），加了order by 就是每一行数据依次累加。一般求sum，不加order by

 select prov_name, city_name, val_cnt, 
 sum(val_cnt) over(partition by prov_name ORDER BY val_cnt) AS rst
 from test_orer_partition_by ;

 select prov_name, city_name, val_cnt, 
 sum(val_cnt) over(partition by prov_name) AS rst
 from test_orer_partition_by ;

window子句
已经通过使用partition by子句将数据进行了分组的处理。如果想要更细粒度的划分，需要引入window子句。首先要理解两个概念：

• 如果只使用partition by子句，未指定order by的话，聚合是分组内的聚合