2020.9.19课堂笔记(hive聚合运算，窗口函数)

一.Hive聚合运算 - GROUP BY

GROUP BY用于分组

• Hive基本内置聚合函数与GROUP BY一起使用
• 如果没有指定GROUP BY子句，则默认聚合整个表
• 除聚合函数这一列外，所选的其他列也必须包含在GROUP BY中，在前面查询的时候可以不加，不会报错，但是看不出来结果代表的意义
• GROUP BY支持使用CASE WHEN或表达式

select category, max(offervalue) from offers group by category;

-- group by使用表达式
select 
if(category > 4000, 'GOOD', 'BAD') as newcat,
max(offervalue) 
from offers 
group by category if(category > 4000, 'GOOD', 'BAD');

Hive聚合运算 - HAVING

• HAVING：对GROUP BY聚合结果的条件过滤- 可以避免在GROUP BY之后使用子查询
• HAVING之后可以使用表达式，但不建议使用,会造成效率大大降低

-- having使用
select sex_age.age from employee group by sex_age.age having count(*) <= 1;
-- 使用子查询代替having
select a.age from ( select count(*) as cnt, sex_age.age 
from employee group by sex_age.age ) a where a.cnt <= 1;

Hive聚合运算 - 基础聚合 基础聚合函数

• max, min, count, sum, avg- max(distinct col1)、avg(col2)等- collect_set, collect_list：返回每个组列中的对象集/列表
  注意事项
• 一般与GROUP BY一起使用
• 可应用于列或表达式
• 对NULL的count聚合为0,即过滤了NULL

二.窗口函数 - 概述

窗口函数是一组特殊函数

• 扫描多个输入行来计算每个输出值，为每行数据生成一行结果
• 可以通过窗口函数来实现复杂的计算和聚合

语法

Function (arg1,..., arg n) OVER ([PARTITION BY <...>] [ORDER BY <....>] [<window_clause>])

• PARTITION BY类似于GROUP BY，未指定则按整个结果集
• 只有指定ORDER BY子句之后才能进行窗口定义，窗口定义的范围窗口，行窗口都需要根据整个数据的顺序决定的
• 可同时使用多个窗口函数
• 过滤窗口函数计算结果必须在外面一层
• 按功能可划分为：排序，聚合，分析

1. 窗口函数 - 排序

ROW_NUMBER()

• 对所有数值输出不同的序号，序号唯一连续 (1,2,3)

RANK()

• 对相同数值，输出相同的序号，下一个序号跳过（1,1,3）

DENSE_RANK()

• 对相同数值，输出相同的序号，下一个序号连续（1,1,2）

根据需要使用的不同功能，去选择使用的函数，使用方式一致，只不过功能不太一样。主要掌握上面三个。

NLITE(n)

• 将有序的数据集合平均分配到n个桶中(若不能均分一般第一个桶数据会多些), 将桶号分配给每一行，根据桶号，选取前或后 n分之几的数据
• 举例:若想查询订单记录的前1/3记录,可用NLITE(3)平均分成三份再套个查询语句使用where条件桶号=1即可实现

PERCENT_RANK()

• (目前排名- 1)/(总行数- 1)，值相对于一组值的百分比排名

-- 窗口函数 排序类  给所有的员工薪资排序，从低到高，针对所有员工。
SELECT 
name, dept_num, salary, 
ROW_NUMBER() OVER (order by salary) AS row_num,   //over() 括号内不写的话默认是按照整个行进行排序，这里还是需要按照薪资排序
RANK() OVER (PARTITION BY dept_num ORDER BY salary) AS rank, //按照部门对部门内员工薪资排序 
DENSE_RANK() OVER (PARTITION BY dept_num ORDER BY salary) AS dense_rank,
PERCENT_RANK() OVER(PARTITION BY dept_num ORDER BY salary) AS percent_rank, 
NLITE(2) OVER(PARTITION BY dept_num ORDER BY salary) AS ntile 
FROM employee_contract 
ORDER BY dept_num, salary;

2. 窗口函数 - 聚合

COUNT() 计数，可以和DISTINCT一起用

SELECT 
COUNT(DISTINCT a) OVER (PARTITION BY c ORDER BY d ROWS 
BETWEEN 1 PRECEDING AND 1 FOLLOWING) 

SUM()：求和
AVG()：平均值
MAX()/MIN()： 最大/小值
从Hive 2.1.0开始在OVER子句中支持聚合