大数据实战：基于Spark SQL统计分析函数求分组TopN

做大数据分析时，经常遇到求分组TopN的问题，如：求每一学科成绩前5的学生；求今日头条各个领域指数Top 30%的头条号等等。Spark SQL提供了四个排名相关的统计分析函数：

dense_rank() 返回分区内每一行的排名，排名是连续的。

rank() 返回分区内每一行的排名，排名可能不连续。

percent_rank() 返回相对百分比排名。

row_number() 返回每个分区的从1开始的连续行号。

排名函数使用例子

假如有一个表Affairs，共有25行数据。数据如下表：

Affairs表数据

在这个表上分别使用这四个函数，通过结果可以很明显看出他们的异同。

Spark SQL 排名函数使用例子

Spark SQL 排名函数执行结果

常见问题实战

1. 分别查找男女中年龄由大到小排名前3的人（排名不连续，人数可能大于3）

rank函数使用例子

rank函数执行结果

2. 分别查找男女中年龄由大到小排名前3的人（排名连续，人数可能大于3）

dense_rank使用例子

dense_rank执行结果

3. 分别查找男女中年龄最小的3个人（人数一定为3）

row_number使用例子

row_number执行结果