Hive 求全局Top N

有一个线上服务器访问日志格式如下（用sql答题）

时间                    接口                         ip地址
2016-11-09 11：22：05    /api/user/login                  110.23.5.33
2016-11-09 11：23：10    /api/user/detail                  57.3.2.16
.....
2016-11-09 23：59：40    /api/user/login                  200.6.5.166

数据集

2016-11-09 14:22:05	/api/user/login	110.23.5.33
2016-11-09 11:23:10	/api/user/detail	57.3.2.16
2016-11-09 14:59:40	/api/user/login	200.6.5.166
2016-11-09 14:22:05	/api/user/login	110.23.5.34
2016-11-09 14:22:05	/api/user/login	110.23.5.34
2016-11-09 14:22:05	/api/user/login	110.23.5.34
2016-11-09 11:23:10	/api/user/detail	57.3.2.16
2016-11-09 23:59:40	/api/user/login	200.6.5.166
2016-11-09 14:22:05	/api/user/login	110.23.5.34
2016-11-09 11:23:10	/api/user/detail	57.3.2.16
2016-11-09 23:59:40	/api/user/login	200.6.5.166
2016-11-09 14:22:05	/api/user/login	110.23.5.35
2016-11-09 14:23:10	/api/user/detail	57.3.2.16
2016-11-09 23:59:40	/api/user/login	200.6.5.166
2016-11-09 14:59:40	/api/user/login	200.6.5.166
2016-11-09 14:59:40	/api/user/login	200.6.5.166

1）建表

create table ip(
    time string,
    interface string,
    ip string)
row format delimited fields terminated by '\t';

2）求11月9号下午14点（14-15点），访问api/user/login接口的top10的ip地址

select ip,
       interface,
       count(*) ct
from ip
where interface = '/api/user/login'
  and date_format(time, 'yyyy-MM-dd HH') >= '2016-11-09 14'
  and date_format(time, 'yyyy-MM-dd HH') <= '2016-11-09 15'
group by ip, interface
order by ct desc
limit 10;

总结

Hive 求Top N,需要确定是否需要分组,如上面这个并不需要分组. 因为要求的是全局的Top N,如果是求每个XX的Top N,则需要以及XX分组(开窗函数rank())