查询语句语法
SELECT [ALL | DISTINCT] select_expr, select_expr,...
FROM table_reference
[WHERE where_condition]
[GROUP BY col_list]
[ORDER BY col_list]
[CLUSTER BY col_list
| [DISTRIBUTE BY col_list] [SORT BY col_list]
]
[LIMIT number]
基本查询
创建表：create table stu(id string,name string,sex string) row format delimited fields terminated by '\t' stored as textfile;
导入数据：load data local inpath '/home/lzx/file/demo.txt' into table stu;
查看数据：
1.全表和特定列查询
- 全表查询
select * from stu; - 选择特定列查询
select id from stu;
注意：
SQL语言大小写不敏感
SQL可以写在一行或者多行
关键字不能被缩写也不能分行
各子句一般要分行写
使用缩进提高语句的可读性
2.列别名
列别名可以使用as 也可以紧跟列名使用
select name as username from stu;
3. 算数运算符
| 运算符 | 描述 |
|---|---|
| A+B | A和B 相加 |
| A-B | A减去B |
| A*B | A和B 相乘 |
| A/B | A除以B |
| A%B | A对B取余 |
| A&B | A和B按位取与 |
| A | B |
| A^B | A和B按位取异或 |
| ~A | A按位取反 |
语句：select id+3,id,name from stu;
4. 常用函数
- 求总行数
select count(1) numbers from stu; - 求最大值
select max(id) from stu; - 求最小值
select min(id) from stu; - 求和
select sum(id) from stu - 求平均值
select avg(id) avgs from stu;
5.Limit语句
使用limit语句用于限制返回的行数
select * from stu limit 15;
Where 语句
使用where子句可以将不满足条件的行过滤掉并且where子句紧随from子句
查找id大于3的学生
select * from stu where id >2;
1.比较运算符（Between/In/Is Null）
比较运算符表格：
| 操作符 | 支持的数据类型 | 描述 |
|---|---|---|
| A=B | 基本数据类型 | 如果A等于B则返回TRUE，反之返回FALSE |
| A<=>B | 基本数据类型 | 如果A和B都为NULL，则返回TRUE，其他的和等号（=）操作符的结果一致，如果任一为NULL则结果为NULL |
| A<>B, A!=B | 基本数据类型 | A或者B为NULL则返回NULL；如果A不等于B，则返回TRUE，反之返回FALSE |
| A<B | 基本数据类型 | A或者B为NULL，则返回NULL；如果A小于B，则返回TRUE，反之返回FALSE |
| A<=B | 基本数据类型 | A或者B为NULL，则返回NULL；如果A小于等于B，则返回TRUE，反之返回FALSE |
| A>B | 基本数据类型 | A或者B为NULL，则返回NULL；如果A大于B，则返回TRUE，反之返回FALSE |
| A>=B | 基本数据类型 | A或者B为NULL，则返回NULL；如果A大于等于B，则返回TRUE，反之返回FALSE |
| A [NOT] BETWEEN B AND C | 基本数据类型 | 如果A，B或者C任一为NULL，则结果为NULL。如果A的值大于等于B而且小于或等于C，则结果为TRUE，反之为FALSE。如果使用NOT关键字则可达到相反的效果。 |
| A IS NULL | 所有数据类型 | 如果A等于NULL，则返回TRUE，反之返回FALSE |
| A IS NOT NULL | 所有数据类型 | 如果A不等于NULL，则返回TRUE，反之返回FALSE |
| IN(数值1, 数值2) | 所有数据类型 | 使用 IN运算显示列表中的值 |
| A [NOT] LIKE B | STRING 类型 | B是一个SQL下的简单正则表达式，如果A与其匹配的话，则返回TRUE；反之返回FALSE。B的表达式说明如下：‘x%’表示A必须以字母‘x’开头，‘%x’表示A必须以字母’x’结尾，而‘%x%’表示A包含有字母’x’,可以位于开头，结尾或者字符串中间。如果使用NOT关键字则可达到相反的效果。 |
| A RLIKE B, A REGEXP B | STRING 类型 | B是一个正则表达式，如果A与其匹配，则返回TRUE；反之返回FALSE。匹配使用的是JDK中的正则表达式接口实现的，因为正则也依据其中的规则。例如，正则表达式必须和整个字符串A相匹配，而不是只需与其字符串匹配。 |
2.LIKE 和 RLIKE
like和我们经常使用的数据库的like是一样的，%代表零个或者多个字符（任意个字符）_代表一个字符
RLIKE 子句Hive中这个功能的一个扩展，其可以通过JAVA的正则表达式这个更强大的语言来指定匹配条件。
查找以l开头的学生
select * from stu where name like 'l%';
查找含有ao的学生
select * from stu where name rlike '[ao]';
3.逻辑运算符
| 操作符 | 含义 |
|---|---|
| AND | 逻辑并 |
| OR | 逻辑或 |
| NOT | 逻辑否 |
查询id大于2 并且是男的学生：
select * from stu where id > 2 and sex = '男';
分组
1.Group by
Group by 语句通常会和聚合函数一起使用，按照一个或者多个列队结果进行分组，然后对每个组执行聚合操作。
找到性别中最大id的学生：
select sex,max(id) from stu group by sex;
2.Having 语句
having 与 where 不同点：
- where针对表中的列发挥作用，查询数据having针对查询结果中的列发挥作用，筛选数据。
- where后面不能写分组函数，而having后面可以使用分组函数
- having 只用于group by 分组统计语句。
示例：
按性别分组并求出最大id大于5的数据：
select max(id) as maxid,sex from stu group by sex having maxid >5;
Join语句
创建dept表和emp表，并导入数据。
建表语句：
create external table if not exists default.emp(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int)
row format delimited fields terminated by '\t';
create external table if not exists default.dept(
deptno int,
dname string,
loc int)
row format delimited fields terminated by '\t';
导入数据后的查询：
hive (default)> select * from dept;
OK
dept.deptno dept.dname dept.loc
10 ACCOUNTING 1700
20 RESEARCH 1800
30 SALES 1900
40 OPERATIONS 1700
Time taken: 2.523 seconds, Fetched: 4 row(s)
hive (default)> select * from emp;
OK
emp.empno emp.ename emp.job emp.mgr emp.hiredate emp.sal emp.comm emp.deptno
7369 SMITH CLERK 7902 1980-12-17 800.0 NULL 20
7499 ALLEN SALESMAN 7698 1981-2-20 1600.0 300.0 30
7521 WARD SALESMAN 7698 1981-2-22 1250.0 500.0 30
7566 JONES MANAGER 7839 1981-4-2 2975.0 NULL 20
7654 MARTIN SALESMAN 7698 1981-9-28 1250.0 1400.0 30
7698 BLAKE MANAGER 7839 1981-5-1 2850.0 NULL 30
7782 CLARK MANAGER 7839 1981-6-9 2450.0 NULL 10
7788 SCOTT ANALYST 7566 1987-4-19 3000.0 NULL 20
7839 KING PRESIDENT NULL 1981-11-17 5000.0 NULL 10
7844 TURNER SALESMAN 7698 1981-9-8 1500.0 0.0 30
7876 ADAMS CLERK 7788 1987-5-23 1100.0 NULL 20
7900 JAMES CLERK 7698 1981-12-3 950.0 NULL 30
7902 FORD ANALYST 7566 1981-12-3 3000.0 NULL 20
7934 MILLER CLERK 7782 1982-1-23 1300.0 NULL 10
Time taken: 0.618 seconds, Fetched: 14 row(s)
1. 等值Join（或者叫内连接）
Hive支持通常的SQL JOIN语句,但是只支持等值连接，不支持非等值连接。
- 根据员工表和部门表的部门编号相等，查询员工编号，员工名称和部门名称
select e.empno,e.ename,d.deptno from emp e join dept d on e.deptno = d.deptno;
在hive中也可以使用表的别名，和平常使用sql的别名是一样的。
2.左外连接 left join
左外连接：JOIN操作符左边表中符号Where子句的所有记录将会被返回
select e.empno, e.ename, d.deptno from emp e left join dept d on e.deptno = d.deptno;
3.右外连接 right join
右外连接：JOIN操作符右边表中符合where子句的所有记录将会被返回
select e.empno, e.ename, d.deptno from emp e right join dept d on e.deptno = d.deptno;
4. 满外连接 full join
满外连接：将会返回所有表中符合where语句的所有记录。如果任一表的指定字段没有符合条件的值，呢么就会使用NULL替代。
select e.empno, e.ename, d.deptno from emp e full join dept d on e.deptno = d.deptno;
如果用到多个表关联，连接n个表，至少需要n-1个连接条件。
。例如连接三个表，至少需要2个连接条件。
大多数情况下，Hive会对每对JOIN连接对象启动一个MapReduce任务。如果有a,b,c三个表，呢么会首先启动一个MapReduce job对表a和表b进行连接操作，然后会再启动一个MapReduce job将第一个MapReduce job的输出和表c进行连接操作。
注意：为什么不是表b和表c先进行连接操作呢？这是因为Hive总是按照从左到右的顺序执行的。
5. 笛卡尔积
笛卡尔积会在下面条件下产生：
- 省略连接条件
- 连接条件无效
- 所有表的所有行互相连接
6.连接谓词中不支持OR
select e.empno, e.ename, d.deptno from emp e join dept d on e.deptno = d.deptno or e.ename=d.ename;
这种是错误的。
排序
排序一般只有三种排序，order by ，sort by，distribute by，分别代表全局排序，内部排序，分区排序。
还有一个cluster by 等价于 sort by distribute by 在一起但是是同一个字段。
1. 全局排序（Order By）
order by：全局排序，则使用一个reduec
- 使用order by 子句排序
ASC（ascend）：升序 （默认）
DESC（descend）：降序 - order by 子句在select语句的结尾
示例：查询员工信息按照工资降序排序
select * from emp order by sal DESC;
2. 按照别名排序
order by 也可以使用查询的字段别名作为排序条件
按照员工工资的两倍排序：
select ename, sal*2 twosal from emp order by twosal;
3.多个列排序
按照部门和工资升序排序：
select * from emp order by deptno,sal;
4.Mapreduce内部排序（Sort By）
Sort By：每个Reduce内部进行排序，对全局结果来说不是排序
如果没有设置reduce的个数（hive默认为-1）是没有效果的。
-1代表hive会根据sql语句自行分配reduce个数，以256M大小分配一个reduce。
- 没有设置reduce个数示例：
把查询结果下载到本地目录：
insert overwrite local directory '/home/lzx/file/sort_0' select * from emp sort by empno DESC;
运行截图：
查看本地目录：
可以看到是只有1个文件存在。
查看reduce个数：hive (default)> set mapreduce.job.reduces; mapreduce.job.reduces=-1 hive (default)> - 设置reduce个数示例：
设置mapreduce的reduce个数为3：
把查询结果下载到本地目录：hive (default)> set mapreduce.job.reduces=3; hive (default)> set mapreduce.job.reduces; mapreduce.job.reduces=3 hive (default)>
insert overwrite local directory '/home/lzx/file/sort_1' select * from emp sort by empno DESC;
运行截图：
可以看到reduce个数已经变成了3个。
查看本地文件目录：
可以看到是有3个文件的。每个文件的数据都是empno倒叙排列
如果设置reduce个数为3，使用order by查询会有几个reduce？答案是1个。order by 只会使用一个reduce做运算。
5. 分区排序（Distribute by）
Distribute By：类似于MR中的partirion，进行分区，结合sort by使用
注意：Hive要求Distribute By语句要写在Sort by语句之前。
对于distribute by 进行测试，一定要分配多reduce进行处理，否则无法看到distribute by的效果。
示例：先按照部门编号分区，再按照员工编号排序
insert overwrite local directory '/home/lzx/file/distribute_0' row format delimited fields terminated by '\t' select * from emp distribute by deptno sort by empno;
（把查询结果下载到本地目录并字段用\t 做分隔符）
运行截图：
查看本地文件目录：
可以看到是三个文件，有几个reduce就有几个文件，并且文件内的数据是按照empno倒叙排列。
如果我们设置reduce个数为1，呢么分区就无效果。这就和MR的分区原理是一样的，我们可以设置分区个数等于或者大于（大于有空文件）实际分区。但是不能小与实际分区。
还有就是在MR中我们设置分区返回值是从0开始，呢么如果我们是从3开始，比如：3，4，5,我们需要设置6个分区个数。要按照数字来设置分区个数。
6. Cluster By
当distribute by 和 sort by 字段相同时，可以使用cluster by方式。
cluster by除了具有distribute by 的功能外还兼有sort by的功能。但是排序只能是升序排序，不能指定排序规则为ASC或者DESC
示例：
按照部门编号分区，并且按照部门编号升序排序：
insert overwrite local directory '/home/lzx/file/cluster_0' row format delimited fields terminated by '\t' select * from emp cluster by deptno;
运行截图：
查看本地目录文件：
小总结：
sort by：如果reduce个数为3 呢么分区采用随机算法分区，数据均匀分布
cluster by：根据hash值 分区
分桶
1. 分通表数据存储
分区针对的是数据的存储路径，分桶针对的是数据文件。
分区提供一个隔离数据和优化查询的便利方式。不过，并非所有的数据集都可以形成合理的分区。
分桶是将数据集分解成更容易管理的若干部分的另一个技术。
- 创建分通表，通过直接导入数据文件的方式
- 创建分通表：clustered by(col_name) into X buckets
create table stu_buck(id int, name string) clustered by(id) into 4 buckets row format delimited fields terminated by '\t';
- 查看表结构：
desc formatted stu_buck;
可以看到属性里显示的是4个桶，以id分桶。 - 导入数据到分通表：
load data local inpath '/home/lzx/file/stu_buck.txt' into table stu_buck;
可以看到提示不让使用load方式导入数据。那我们使用insert。。。select 的方式。
创建一张普通表stu_demo，把数据导入到该表中。
执行insert into table stu_buck select id,name from stu_demo;结果还是一个文件，还是只有一个分桶。如果想要实现分桶还需要设置几个配置：
set hive.enforce.bucketing=true;set mapreduce.job.reduces=-1;
设置允许分桶，设置reduce个数为-1，让sql语句自己设置reduce个数。
可以看到是4个reduce，结果路径也是四个文件，说明分桶已经有效果了。 其实和MR的分区是一样的，分桶原理就是key的hash值整除与分桶个数，整除的在0里面，余数为1的在1里面。
查询分桶数据：
select * from stu_buck;
- 创建分通表：clustered by(col_name) into X buckets
2. 分桶抽样查询
对于非常大的数据集，有时用户需要使用的是一个具有代表性的查询结果而不是全部结果。Hive可以通过对表进行抽样来满足这个需求。
查询表stu_buck中的数据
select * from stu_buck tablesample(bucket 1 out of 4 on id);
注意：tablesample是抽样语句，语法：tablesample(bucket x out of y)，y必须是table总bucket数的倍数或者因子。hive根据y的大小决定抽样的比例。例如，table总共分了4份，当y=2时，抽取（4/2=2）2个bucket的数据，当y=8时，抽取（4/8=1/2）1/2个bucket的数据。
x表示从哪个bucket开始抽取，如果需要取多个分区，以后的分区号为当前分区号加上y。
例如，table 的bucket总数是4，tablesample（bucket 1 out of 2），x=1，y=2表示总共抽取（4/2）2个桶，从第一个桶开始抽取。最终抽取 1，3（x+y）桶。
注意：x的值必须小于等于y的值，否则报错：
hive (default)> select * from stu_buck tablesample(bucket 5 out of 4 on id); FAILED: SemanticException [Error 10061]: Numerator should not be bigger than denominator in sample clause for table stu_buck hive (default)>
因为最后一个桶是x + (z/y -1)*y = x+z-y
可想而知x最大就是等于y
其他常用函数
1. 空字段赋值 NVL
- 函数说明
NVL：给值为NULL的数据赋值，它的格式是NVL( string1, replace_with)。它的功能是如果string1为NULL，则NVL函数返回replace_with的值，否则返回string1的值，如果两个参数都为NULL ，则返回NULL。
replace_with可以为自定义值也可以是其他列 - 示例操作
select nvl(comm,'no data') as comm from emp;
2. 时间类
准备：
创建表语句create table student(id int,name string,time string) row format delimited fields terminated by '\t';
导入数据load data local inpath '/home/lzx/file/student.txt' into table student;：
查询数据：
- date_add：时间跟天数相加
select id,name,time, date_add(time,2) from student;
- date_sub：时间跟天数相减
select id,name,time, date_sub(time,2) from student;
- datediff：两个时间相减
select id,name,time, datediff(time,'2019-12-01') from student;
- from_unixtime 时间戳转日期函数
select from_unixtime(1505456567);获取时间戳的日期
还可以指定时间格式
select from_unixtime(1505456567,'yyyyMMdd');
获取当前时间戳并转为时间
select from_unixtime(unix_timestamp(),'yyyy-MM-dd HH:mm:ss');
- unix_timestamp 日期转时间戳函数
unix_timestamp() 获取当前时间戳
获取指定时间的时间戳
select unix_timestamp('2019-05-12 1:12:12');
获取指定时间，并指定时间格式
select unix_timestamp('20190915 14:23:00','yyyyMMdd HH:mm:ss');
3. CASE WHEN
数据准备：
| name | dept_id | sex |
|---|---|---|
| 悟空 | A | 男 |
| 大海 | A | 男 |
| 宋宋 | B | 男 |
| 凤姐 | A | 女 |
| 婷姐 | B | 女 |
| 婷婷 | B | 女 |
创建表并导入数据以及查询准备数据：
hive (default)> create table emp_tmp(name string,dept_id string,sex string) row format delimited fields terminated by '\t';OK
Time taken: 3.742 seconds
hive (default)> load data local inpath '/home/lzx/file/emp_tmp.txt' into table emp_tmp;
Loading data to table default.emp_tmp
OK
Time taken: 2.836 seconds
hive (default)> select * from emp_tmp;
OK
emp_tmp.name emp_tmp.dept_id emp_tmp.sex
悟空 A 男
大海 A 男
宋宋 B 男
凤姐 A 女
婷姐 B 女
婷婷 B 女
Time taken: 0.454 seconds, Fetched: 6 row(s)
hive (default)>
求不同部门男女各多少人：
select dept_id,
sum(case sex when '男' then 1 else 0 end) male_count,
sum(case sex when '女' then 1 else 0 end) female_count
from emp_tmp group by dept_id;
4. if()
if(bool类型表达式，为true，为false) 等同于oracle的decode，数据同上：
select dept_id,sum(if(sex='男',1,0)) as man,sum(if(sex='女',1,0)) as woman from stu group by dept_id;
5. 行转列
- 相关函数说明
CONCAT(string A/col, string B/col…)：返回输入字符串连接后的结果，支持任意个输入字符串;
CONCAT_WS(separator, str1, str2,...)：它是一个特殊形式的 CONCAT()。第一个参数剩余参数间的分隔符。分隔符可以是与剩余参数一样的字符串。如果分隔符是 NULL，返回值也将为 NULL。这个函数会跳过分隔符参数后的任何 NULL 和空字符串。分隔符将被加到被连接的字符串之间;
COLLECT_SET(col)：函数只接受基本数据类型，它的主要作用是将某字段的值进行去重汇总，产生array类型字段。是一个聚合函数 - 查询示例
CONCAT示例：select concat(name,'_',dept_id) from stu;
CONCAT_WS：select concat_ws('_',name,dept_id) from stu;
COLLECT_SET：select collect_set(dept_id) from stu;
也有collect_list 一个去重一个不去重
- 从下面的数据中把血型和星座的一样的人归为一类
| name | cons | blood |
|---|---|---|
| 孙悟空 | 白羊座 | A |
| 大海 | 射手座 | A |
| 宋宋 | 白羊座 | B |
| 猪八戒 | 白羊座 | A |
| 凤姐 | 射手座 | A |
执行语句：select tt.k,concat_ws('|',collect_set(tt.name)) as value from (select concat_ws('_',cons,blood) as k,name from stus) tt group by tt.k;
collect_set也是可以在concat_ws(标识，多个字段或者array)中使用。
6. 列转行
- 函数说明
EXPLODE(col)：将hive一列中复杂的array或者map结构拆分成多行。
LATERAL VIEW：用法：LATERAL VIEW udtf(expression) tableAlias AS columnAlias
解释：用于和split, explode等UDTF一起使用，它能够将一列数据拆成多行数据，在此基础上可以对拆分后的数据进行聚合。也可以说是对数据的一种测写。
建表语句：
create table mv(name string,categ array<string>) row format delimited fields terminated by '\t' collection items terminated by ',';
预览：
explode（col）示例：
select explode(categ) from mv;
lateral view 示例：
select name,categname from mv lateral view explode(categ) tmp as categname;
窗口函数
-
函数说明
OVER()：指定分析函数工作的数据窗口大小，这个数据窗口大小可能会随着行的变而变化
rows between X1 and X2：表示获取从X1到X2的数据 该关键字用于over的（）内部使用
X1关键字包括：n PRECEDING：往前n行数据和UNBOUNDED PRECEDING：数据的起点，也就是开始的第一行数据
X2关键字包括：n FOLLOWING：往后n行数据和UNBOUNDED FOLLOWING：数据的终点，也就是结束的最后一行数据
这里面还有一个关键字CURRENT ROW：当前行可以在X1和X2中都能使用LAG和LEAD是用于和over在外面搭配使用的，如果找不到数据就可以使用默认值，不设置默认值就默认显示NULL
LAG(col,n,默认值) over(...)：往前第n行数据
LEAD(col,n,默认值)：往后第n行数据
NTILE(n)：把有序分区中的行分发到指定数据的组中，各个组有编号，编号从1开始，对于每一行，NTILE返回此行所属的组的编号，n代表要分几个组。注意：n必须为int类型。 -
准备数据
创建表：create table business(name string,orderdate string,cost int) row format delimited fields terminated by ',';
导入数据：load data local inpath '/home/lzx/file/business.txt' into table business;
数据预览：select * from business;
-
示例
（1）查询2017-04这个时间购买过的人的姓名和总人数
执行sql：select name,count(*) over() from business where substring(orderdate,1,7) = '2017-04' group by name;
结果：over() 内没有限定条件，所以开窗是面向所有的数据，每一条数据
开窗函数会对查询到的数据每条记录都做处理，都做开窗处理。如果没有开窗函数呢么结果会是这样的：
即共两条记录，而窗口函数所处理的数据也是图上所查询到的数据。count统计的也是这两条记录并给每条数据都添加上这个数字。
（2）按顾客姓名分组查询顾客的消费记录和总额
over（）使用distribute by对查询的结果数据分组 等同于partition by同是分区 分组 但是不能使用group by因为over()中没有group by执行语句：
select *,sum(cost) over(distribute by name) as money from business;
等价于：select *,sum(cost) over(partition by name order by orderdate) as money from business;
（3）按顾客姓名分组查询顾客的消费记录和消费增长记录
当我们使用了over()并配合distribute by完成了数据分组，在搭配sort by col实现组内按照col排序。sort by只能和distribute by配合 不能和partition by配合使用，但是partition by可以和order by搭配，order by和sort by有相同的效果。
（4）rows between示例
select *,sum(cost) over(partition by name order by orderdate rows between UNBOUNDED PRECEDING and current row) as money1, sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING and current row) as money2, sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING and 1 FOLLOWING) as money3 from business;
（5）查看顾客上次或者下次的购买时间
查询顾客上次的购买时间：select *, lag(orderdate,1,'1999-99-99') over(partition by name order by orderdate) as lastdate from business;
查询顾客下次的购买时间：select *, lead(orderdate,1,'1999-99-99') over(partition by name order by orderdate) as lastdate from business;
（5）查询前20%时间的订单信息
数据分5个组：select *,ntile(5) over(order by orderdate) from business;
数据分3个组：select *,ntile(3) over(order by orderdate) from business;
数据分10个组：select *,ntile(10) over(order by orderdate) from business;如果n大于数据总数，呢么一条数据就是一个组
20%代表分为5各组取组号为1的数据：select * from (select *,ntile(5) over(order by orderdate) as sorted from business) tt where tt.sorted =1;
排名函数-RANK，DENSE_RANK()，ROW_NUMBER()
这些也是要配合窗口函数over使用的
- 函数说明
RANK()：排序相同时会重复，总数不会变
DENSE_RANK()：排序相同时会重复，总数会减少
ROW_NUMBER()：会根据顺序计算 - 准备数据
(1) 建表：create table scored (name string,subject string,score int) row format delimited fields terminated by '\t';
(2) 导入数据：load data local inpath '/home/lzx/file/scored.txt' into table scored;
(3) 数据预览：select * from scored;
- 示例
（1）rank示例
排序总数不变，但是碰到相同排名会跳过排名数字
select *,rank() over(partition by subject order by score desc) from scored;
（2）DENSE_RANK()示例
可重复总数减少，存在并列排名不会跳过排名数字
select *,dense_rank() over(partition by subject order by score desc) from scored;
（3）row_number()示例
序列值，排序的序号值
select *,row_number() over(partition by subject order by score desc) from scored;
扫一扫
511
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
