hive 分组取top n的写法

注：技术交流可以加我VX：k-loop，昵称：默读者。

创建测试表

create table tmp_ma(
class  string comment'品类',
brand  string comment'品牌',
sales  int comment'销量'
)

插入测试数据

insert into tmp_ma(class,brand,sales) values('手机','小米',10);
insert into tmp_ma(class,brand,sales) values('手机','华为',9);
insert into tmp_ma(class,brand,sales) values('手机','荣耀',6);
insert into tmp_ma(class,brand,sales) values('手机','一加',13);
insert into tmp_ma(class,brand,sales) values('手机','诺基亚',2);
insert into tmp_ma(class,brand,sales) values('手机','锤子',15);
insert into tmp_ma(class,brand,sales) values('电脑','小米',3);
insert into tmp_ma(class,brand,sales) values('电脑','华为',3);
insert into tmp_ma(class,brand,sales) values('电脑','联想',20);
insert into tmp_ma(class,brand,sales) values('电脑','戴尔',15);
insert into tmp_ma(class,brand,sales) values('电脑','华硕',15);
insert into tmp_ma(class,brand,sales) values('电脑','三星',10);

需求，按照品类分组，取出销量前3的品牌来。

分析，我们先手动的排名，在手机这个品类里，每个品牌的销量都不同，没有并列的情况，这是我们最想看到的情况，但是在

电脑这个品类里，戴尔和华硕并列排名第2，如果只取每个品牌的销量的前3的3条记录，那么电脑里，只取，联想，戴尔，华硕就够了。

select
k.*
from (
select 
ROW_NUMBER() OVER(PARTITION BY t.class ORDER BY t.sales desc) MM
,t.*
from tmp_ma t
) k
where k.mm<=3;

另一种写法：

select
k.*
from (
select 
rank()  OVER(PARTITION BY t.class ORDER BY t.sales desc) MM
,t.*
from tmp_ma t
) k
where k.mm<=3;

如果，并列的联想和华硕算第2名，还需向下取出第3名来。

select
k.*
from (
select 
DENSE_RANK()  OVER(PARTITION BY t.class ORDER BY t.sales desc) MM
,t.*
from tmp_ma t
) k
where k.mm<=3;

总结：ROW_NUMBER()，RANK()，DENSE_RANK() 这3种排名的差异

1，ROW_NUMBER()

如上图，戴尔和华硕的销量虽然都是15，但是排名，戴尔是第2，华硕是第3，这个方法，可以避免取重复数据，例如我只想从排名第2里取出一条数据就行，那么这个方法只会取到戴尔。

有的时候，我们只会取最新的一条记录，那么建议使用这个方法，避免了取重复数据。

2，RANK()

这个方法，会把戴尔和华硕排名都为第2，因为有两个并列第2，那么就不会出现排名是3的记录，如果有3个排名第2的，那么就不会出现排名是3，4的记录。

3，DENSE_RANK()

这个方法，会把戴尔和华硕排名都为第2，三星排名是第3。

简单记忆法：

ROW_NUMBER() 无并列无跳跃排名

RANK() 有并列有跳跃排名

DENSE_RANK() 有并列无跳跃排名

over()里头的分组以及排序的执行晚于 where 、group by、  order by 的执行。

ROW_NUMBER()函数作用就是将select查询到的数据进行排序，每一条数据加一个序号，一般多用于分页查询。

RANK()函数，顾名思义排名函数，可以对某一个字段进行排名，这里为什么和ROW_NUMBER()不一样那，ROW_NUMBER()是排序，当存在相同销量时，ROW_NUMBER()会依次进行排序，他们序号不相同，而Rank()则不一样出现相同的，他们的排名是一样的。

DENSE_RANK()函数也是排名函数，和RANK()功能相似，也是对字段进行排名，那它和RANK()到底有什么不同那？DENSE_RANK()排名是连续的，RANK()是跳跃的排名，所以一般情况下用的排名函数就是RANK()。

实际编程中，根据需要，选择合适的方法。