Hive中分析函数的使用

---

前言

Hive中也支持分析函数（也叫窗口函数）的使用，数据开发中使用分析函数的情况非常之多，可以极方便的得到想要的数据呈现，便于分析。

---

一、常用的分析函数

ROW_NUMBER() 从1开始，按照顺序，生成分组内记录的序列，不会产生重复排名，若根据排序条件有相同的，则进行随机排序。1 2 3 4 5…
RANK() 生成数据项在分组中的排名，排名相等会在名次中留下空位，1 2 2 4 5
DENSE_RANK() 生成数据项在分组中的排名，排名相等会在名次中不会留下空位，1 2 2 3 4

二、分析函数的应用

1.两张数据表

数据如下：

表：articles

id      title
1       法律
2       农业
3       科技
4       金融

表：visit_info

visitor    dates       id
张三    2020/11/20      1
张三    2020/11/22      1
李四    2020/11/25      2
张三    2020/11/21      3
李四    2020/11/23      1
王五    2020/11/26      1
李四    2020/11/27      4
王五    2020/11/28      2

2.需求场景

现在想要查询出访问量最高的两个title，打印出visitor,id和title信息

select p1.visitor
      ,p2.title
      ,p1.id 
      ,p1.cnt1
  from (select t.visitor,
               t.id,
               t.cnt1,
               dense_rank() over(order by cnt1 desc) as rn
          from (select visitor, id, count(1) over(partition by id) as cnt1
                  from visit_info) t) p1
  left join articles p2
    on p1.id = p2.id
 where p1.rn <= 2;

查询结果：

visitor      title       id     cnt1
王五          法律        1       4
张三          法律        1       4
张三          法律        1       4
李四          法律        1       4
王五          农业        2       2
李四          农业        2       2

可以简单验证，id为1的访问量有四条，id为2的有两条，其他只有一条，所以访问量最高的就是id为1和2，即title为法律和农业的，同时带出visitor 和 title 即可。

---

附上几个相关的博文：
https://blog.csdn.net/sunnyyoona/article/details/56484853
https://blog.csdn.net/cnham/article/details/6101199