hive sql计算分位数 出现重复数据的处理逻辑

哎呀妈呀，我说这数据奇奇怪怪，看了一上午终于明白了！

我现在要计算百分位数的的真实数据是这样的：
【1X277，3X43，5X10，9X41，15X10，25X6，27X3，45X1】
AXB表示数列中A有B个

然后我使用上一篇文章提到的PERCENTILE_APPROX函数计算0.8分位数thr，用thr作为阈值对数据分组，奇怪的是，小于等于thr的数竟然不到80%，按正常逻辑来想的话，应该大于80%才对，因为可能有多个值都等于thr，总之，至少不能少于80%。

于是，开始探索。。

我发现当计算分位数的数列里出现重复数据时，hive sql里PERCENTILE_APPROX的计算逻辑是这样的：
以上面的数列为例

• 计算分位点数位置：391*0.8=312.8
• 计算分位点数：1+（3-1）*（312.8-277）/43=2.6651

他是会把重复数当做一个数来计算分位数和上下紧邻值的距离，而不是按我之前以为的“数据按从小到大排，312和313都是3，分位点数就是3”。这样也解释了为什么按这个阈值划分后，小于等于thr的数不到80%。