SQL统计字段值的累加和

假设hive表 data.table 字段结构如下：

CREATE TABLE IF NOT EXISTS `$target.table`
(
  id string COMMENT '用户ID',
  pv_cnt bigint COMMENT '浏览次数'
) COMMENT ''
PARTITIONED BY (dt string COMMENT '日期') 
STORED AS ORC;

现在需要统计的变量如下：

1. date_sum：2019-11-03～2019-11-10 每天的总浏览次数；
2. cumulative_sum：从 2019-11-03 开始每天累加的总浏览次数。

正确的统计sql语句如下：

select dt,
       sum(pv_cnt) as date_sum,
       sum(sum(pv_cnt)) OVER (ORDER BY dt ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS cumulative_sum
  from data.table
 where dt between '20191103' and '20191110'
 group by dt

查询结构如下，可以看到在date_sum统计的每天总浏览量的基础上（哈哈，巧了，每天都一样），cumulative_sum统计出了每天自 2019-11-03开始累加的总浏览量，例如 2019-11-07 对应的cumulative_sum数值就是 2019-11-03～2019-11-07这一功共5天的浏览量数据总和。

如何理解上面的统计累加量的sql代码呢？

sum(sum(pv_cnt)) OVER (ORDER BY dt ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS cumulative_sum

首先累加的对象是每天的总浏览量，也就是sum(pv_cnt)，然后再累加每天的总浏览量的和，所以是sum(sum(pv_cnt))；

但是需要现在限定从那天累加到哪天，这个即是 ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW 的作用：

• UNBOUNDED PRECEDING 表示之前最开始的日期（我们已经使用order by对dt进行从小到大排序了）;
• CURRENT表示到当前的日期，也就是截止累加到哪天就是哪天对应的日期。