Hive 窗口函数

最新推荐文章于 2024-05-24 11:54:36 发布
最新推荐文章于 2024-05-24 11:54:36 发布
阅读量285 收藏 1
点赞数
分类专栏： Hive 文章标签： hive
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43799054/article/details/105225448
版权

窗口函数

背景

平常我们使用 hive或者 mysql时，一般聚合函数用的比较多。但对于某些偏分析的需求，group by可能很费力，子查询很多，这个时候就需要使用窗口分析函数了

相关函数说明

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

CURRENT ROW：当前行

n PRECEDING：往前n行数据

n FOLLOWING：往后n行数据

UNBOUNDED：起点，UNBOUNDED PRECEDING 表示从前面的起点， UNBOUNDED FOLLOWING表示到后面的终点

over函数写法

over（partition by cookieid order by createtime） 先根据cookieid字段分区，相同的cookieid分为一区，每个分区内根据createtime字段排序（默认升序）

注：不加 partition by 的话则把整个数据集当作一个分区，不加 order by的话会对某些函数统计结果产生影响，如sum()

数据准备

a 2017-12-01 3
b 2017-12-00 3
cookie1 2017-12-10 1
cookie1 2017-12-11 5
cookie1 2017-12-12 7
cookie1 2017-12-13 3
cookie1 2017-12-14 2
cookie1 2017-12-15 4
cookie1 2017-12-16 4
cookie2 2017-12-12 7
cookie2 2017-12-16 6
cookie2 2017-12-24 1
cookie3 2017-12-22 5

建表导数据

create table test2(cookieid string,createtime string,pv int) 
row format delimited fields terminated by ' ';

load data local inpath '/root/datas/data.txt' into table test2;

窗口含义

SELECT cookieid,createtime,pv,
SUM(pv) OVER(PARTITION BY cookieid ORDER BY createtime) AS pv1, -- 默认为从起点到当前行
SUM(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS pv2, --从起点到当前行，结果同pv1 
SUM(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND CURRENT ROW) AS pv3,   --当前行+往前3行
SUM(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND 1 FOLLOWING) AS pv4,    --当前行+往前3行+往后1行
SUM(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) AS pv5   ---当前行+往后所有行  
FROM test2;
cookieidcreatetimepvpv1pv2pv3pv4pv5
a2017-12-1333333
b2017-12-00333333
cookie12017-12-101111626
cookie12017-12-1156661325
cookie12017-12-1271313131620
cookie12017-12-1331616161813
cookie12017-12-1421818172110
cookie12017-12-154222216208
cookie12017-12-164262613134
cookie22017-12-1277771314
cookie22017-12-166131313147
cookie22017-12-241141414141
cookie32017-12-22555555

注：这些窗口的划分都是在分区内部！超过分区大小就无效了

SUM 函数

select cookieid,createtime,pv,
sum(pv) over(PARTITION BY cookieid ORDER BY createtime) as pv1 
FROM test2;

可以看到各分区内的时间升序排列

cookieidcreatetimepvpv1
a2017-12-133
b2017-12-0033
cookie12017-12-1011
cookie12017-12-1156
cookie12017-12-12713
cookie12017-12-13316
cookie12017-12-14218
cookie12017-12-15422
cookie12017-12-16426
cookie22017-12-1277
cookie22017-12-16613
cookie22017-12-24114
cookie32017-12-2255

我们可以清晰地看到，窗口函数和聚合函数的不同，sum()函数可以根据每一行的窗口返回各自行对应的值，有多少行记录就有多少个sum值，而group by只能计算每一组的sum，每组只有一个值！

其中sum()计算的是分区内排序后一个个叠加的值，和order by有关！

如果不加 order by会咋样：

select cookieid,createtime,pv,
sum(pv) over(PARTITION BY cookieid) as pv1 
FROM test2;

可以看到，如果没有order by，不仅分区内没有排序，sum()计算的pv也是整个分区的pv

cookieidcreatetimepvpv1
a2017-12-133
b2017-12-0033
cookie12017-12-14226
cookie12017-12-16426
cookie12017-12-15426
cookie12017-12-13326
cookie12017-12-12726
cookie12017-12-11526
cookie12017-12-10126
cookie22017-12-16614
cookie22017-12-12714
cookie22017-12-24114
cookie32017-12-2255

NTILE 函数

NTILE(n)，用于将分组数据按照顺序切分成n片，返回当前切片值

*注1：如果切片不均匀，*默认增加第一个切片的分布

注2：NTILE不支持ROWS BETWEEN

SELECT cookieid,createtime,pv,
NTILE(2) OVER(PARTITION BY cookieid ORDER BY createtime) AS ntile1,	--分组内将数据分成2片
NTILE(3) OVER(PARTITION BY cookieid ORDER BY createtime) AS ntile2,  --分组内将数据分成3片
NTILE(4) OVER(PARTITION BY cookieid ORDER BY createtime) AS ntile3   --将所有数据分成4片
FROM test2;
cookieidcreatetimepvntile1ntile2ntile3
a2017-12-13111
b2017-12-003111
cookie12017-12-101111
cookie12017-12-115111
cookie12017-12-127112
cookie12017-12-133122
cookie12017-12-142223
cookie12017-12-154233
cookie12017-12-164234
cookie22017-12-127111
cookie22017-12-166122
cookie22017-12-241233
cookie32017-12-225111

用法举例：

统计一个cookie，pv数最多的前1/3的天：

SELECT cookieid,createtime,pv,
NTILE(3) OVER(PARTITION BY cookieid ORDER BY pv DESC) AS ntile 
FROM test2;

取 ntile = 1 的记录，就是我们想要的结果！

ROW_NUMBER 函数

ROW_NUMBER() 从1开始，按照顺序，生成分组内记录的序列

ROW_NUMBER() 的应用场景非常多，比如获取分组内排序第一的记录、获取一个session中的第一条refer等。

SELECT cookieid,createtime,pv,
ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY pv desc) AS rn  
FROM test2;
cookieidcreatetimepvrn
a2017-12-131
b2017-12-0031
cookie12017-12-1271
cookie12017-12-1152
cookie12017-12-1643
cookie12017-12-1544
cookie12017-12-1335
cookie12017-12-1426
cookie12017-12-1017
cookie22017-12-1271
cookie22017-12-1662
cookie22017-12-2413
cookie32017-12-2251

RANK 和 DENSE_RANK 函数

RANK() 生成数据项在分组中的排名，排名相等会在名次中留下空位

DENSE_RANK() 生成数据项在分组中的排名，排名相等会在名次中不会留下空位

我们把 rank、dense_rank、row_number三者对比，这样比较清晰

SELECT cookieid,createtime,pv,
RANK() OVER(PARTITION BY cookieid ORDER BY pv desc) AS rank1,
DENSE_RANK() OVER(PARTITION BY cookieid ORDER BY pv desc) AS d_rank2,
ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY pv DESC) AS rn3 
FROM test2;
cookieidcreatetimepvrank1d_rank2rn3
a2017-12-13111
b2017-12-003111
cookie12017-12-127111
cookie12017-12-115222
cookie12017-12-164333
cookie12017-12-154334
cookie12017-12-133545
cookie12017-12-142656
cookie12017-12-101767
cookie22017-12-127111
cookie22017-12-166222
cookie22017-12-241333
cookie32017-12-225111

CUME_DIST 函数

cume_dist 返回小于等于当前值的行数/分组内总行数

比如，我们可以统计小于等于当前薪水的人数，所占总人数的比例

SELECT cookieid,createtime,pv,
round(CUME_DIST() OVER(ORDER BY pv),2) AS cd1,
round(CUME_DIST() OVER(PARTITION BY cookieid ORDER BY pv),2) AS cd2  
FROM test2;
cookieidcreatetimepvcd1cd2
a2017-12-130.461
b2017-12-0030.461
cookie12017-12-1010.150.14
cookie12017-12-1420.230.29
cookie12017-12-1330.460.43
cookie12017-12-1540.620.71
cookie12017-12-1640.620.71
cookie12017-12-1150.770.86
cookie12017-12-12711
cookie22017-12-2410.150.33
cookie22017-12-1660.850.67
cookie22017-12-12711
cookie32017-12-2250.771

注：cd1没有partition,所有数据均为1组！

PERCENT_RANK 函数

percent_rank 分组内当前行的RANK值-1/分组内总行数-1

注：一般不会用到该函数，可能在一些特殊算法的实现中可以用到吧

SELECT  cookieid,createtime,pv,
PERCENT_RANK() OVER(ORDER BY pv) AS rn1 
from test2;
cookieidcreatetimepvrn1
cookie22017-12-2410
cookie12017-12-1010
cookie12017-12-1420.166666667
a2017-12-130.25
cookie12017-12-1330.25
b2017-12-0030.25
cookie12017-12-1640.5
cookie12017-12-1540.5
cookie32017-12-2250.666666667
cookie12017-12-1150.666666667
cookie22017-12-1660.833333333
cookie22017-12-1270.916666667
cookie12017-12-1270.916666667

LAG 和 LEAD 函数

LAG(col,n,DEFAULT) 用于统计窗口内往上第n行值

第一个参数为列名，第二个参数为往上第n行（可选，默认为1），第三个参数为默认值（当往上第n行为NULL时候，取默认值，如不指定，则为NULL）

SELECT cookieid,createtime,pv,
ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY createtime) AS rn,
LAG(createtime,1,'1970-01-01') OVER(PARTITION BY cookieid ORDER BY createtime) AS lag1,
LAG(createtime,2) OVER(PARTITION BY cookieid ORDER BY createtime) AS lag2 
FROM test2;
cookieidcreatetimepvrnlag1lag2
a2017-12-1311970-1-1NULL
b2017-12-00311970-1-1NULL
cookie12017-12-10111970-1-1NULL
cookie12017-12-11522017-12-10NULL
cookie12017-12-12732017-12-112017-12-10
cookie12017-12-13342017-12-122017-12-11
cookie12017-12-14252017-12-132017-12-12
cookie12017-12-15462017-12-142017-12-13
cookie12017-12-16472017-12-152017-12-14
cookie22017-12-12711970-1-1NULL
cookie22017-12-16622017-12-12NULL
cookie22017-12-24132017-12-162017-12-12
cookie32017-12-22511970-1-1NULL

LEAD 函数则与 LAG 相反：

LEAD(col,n,DEFAULT) 用于统计窗口内往下第n行值

第一个参数为列名，第二个参数为往下第n行（可选，默认为1），第三个参数为默认值（当往下第n行为NULL时候，取默认值，如不指定，则为NULL）

FIRST_VALUE 和 LAST_VALUE 函数

FIRST_VALUE 取分组内排序后，截止到当前行，第一个值

SELECT cookieid,createtime,pv,
ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY createtime) AS rn,
FIRST_VALUE(pv) OVER(PARTITION BY cookieid ORDER BY createtime) AS first  
FROM test2;
cookieidcreatetimepvrnfirst
a2017-12-1311900-1-3
b2017-12-00311900-1-3
cookie12017-12-10111900-1-1
cookie12017-12-11521900-1-1
cookie12017-12-12731900-1-1
cookie12017-12-13341900-1-1
cookie12017-12-14251900-1-1
cookie12017-12-15461900-1-1
cookie12017-12-16471900-1-1
cookie22017-12-12711900-1-7
cookie22017-12-16621900-1-7
cookie22017-12-24131900-1-7
cookie32017-12-22511900-1-5

LAST_VALUE 函数则相反：

LAST_VALUE 取分组内排序后，截止到当前行，最后一个值

案例实战

1．数据准备：name，orderdate，cost

jack,2017-01-01,10
tony,2017-01-02,15
jack,2017-02-03,23
tony,2017-01-04,29
jack,2017-01-05,46
jack,2017-04-06,42
tony,2017-01-07,50
jack,2017-01-08,55
mart,2017-04-08,62
mart,2017-04-09,68
neil,2017-05-10,12
mart,2017-04-11,75
neil,2017-06-12,80
mart,2017-04-13,94

2．需求

（1）查询在2017年4月份购买过的顾客及总人数

（2）查询顾客的购买明细及月购买总额

（3）上述的场景,要将cost按照日期进行累加

（4）查询顾客上次的购买时间

（5）查询前20%时间的订单信息

3．创建本地business.txt，导入数据

[root@h1 datas]# vi business.txt

4．创建hive表并导入数据

create table business(
name string,
orderdate string,
cost int
) ROW FORMAT DELIMITED FIELDS TERMINATED BY ',';
 
load data local inpath '/root/datas/business.txt' into table business;

5．按需求查询数据

（1）查询在2017年4月份购买过的顾客及总人数

select name,count(*) over ()
from business 
where substring(orderdate,1,7) = '2017-04'
group by name;

（2）查询顾客的购买明细及月购买总额

select name,orderdate,cost,sum(cost) over(partition by month(orderdate)) from business;

解析：sum(cost) over(partition by month(orderdate))
这就是每一行在sum运算时都启动了按月份的窗口，使得sum的运算范围始终在这个月内

（3）上述的场景,要将cost按照日期进行累加

select name,orderdate,cost,
sum(cost) over() as sample1,--所有行相加
sum(cost) over(partition by name) as sample2,--按name分组，组内数据相加
sum(cost) over(partition by name order by orderdate) as sample3,--按name分组，组内数据累加
sum(cost) over(partition by name order by orderdate rows between UNBOUNDED PRECEDING and current row ) as sample4 ,--和sample3一样,由起点到当前行的聚合
sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING and current row) as sample5, --当前行和前面一行做聚合
sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING AND 1 FOLLOWING ) as sample6,--当前行和前边一行及后面一行
sum(cost) over(partition by name order by orderdate rows between current row and UNBOUNDED FOLLOWING ) as sample7 --当前行及后面所有行
from business;

（4）查看顾客上次的购买时间

select name,orderdate,cost,
lag(orderdate,1,'1900-01-01') over(partition by name order by orderdate ) as time1, lag(orderdate,2) over (partition by name order by orderdate) as time2
from business;

（5）查询前20%时间的订单信息

select * from (
    select name,orderdate,cost, ntile(5) over(order by orderdate) sorted
    from business
) t
where sorted = 1;

旭cooler
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Hive 窗口函数大全
suly_liping的博客
01-03 3087
hive的窗口函数使用集合和使用示例
大数据学习之Hive函数
weixin_48205015的博客
03-09 1301
Hive常用函数 窗口函数 以及侧视图
大数据之Hive函数大全
最新发布
m0_55901666的博客
05-24 1224
大数据技术组件Hive函数大全，HIve函数最全系列，包括常见的聚合函数，开窗函数等等
Hive 函数大全（吐血整理）
热门推荐
GodSuzzZ的博客
06-17 2万+
Hive 函数大全（吐血整理） 前言   Hive 内部提供了很多函数给开发者使用，包括数学函数，类型转换函数，条件函数，字符函数，聚合函数，表生成函数等等，这些函数都统称为内置函数。 在 hive 中可通过以下命令查看函数信息： --显示所有的可用函数，包括运算符、内置函数、自定义函数 show f
Hive窗口函数全解
ytp552200ytp的博客
04-20 988
Hive窗口函数
Hive 常用函数
长不大的大灰狼
03-08 1830
Hive 常用函数
hive窗口函数
01-09
hive窗口系列函数
hive窗口函数.docx
07-08
Hive 窗口函数详解 Hive 窗口函数是 Hive 中的一种强大的分析函数，它可以对数据进行分类、排序、聚合和排名等操作。下面将详细介绍 Hive 窗口函数的语法结构、分类、应用场景和实践练习。 窗口函数语法结构 窗口...
Hive窗口函数，定义、demo
05-14
Hive窗口函数的定义，demo等
大数据hive中窗口函数的一些常用函数
10-19
大数据Hive中窗口函数的一些常用函数 窗口函数是Hive中一种强大的分析工具，可以对数据进行复杂的分析和计算。窗口函数可以像聚合函数一样对一组数据进行分析并返回结果，但不同之处在于，窗口函数不是将一组数据...
hive函数大全（中文版）
05-02
一、关系运算： 4 1. 等值比较: = 4 2. 不等值比较: 4 3. 小于比较: < 4 4. 小于等于比较: 5 6. 大于等于比较: >= 5 7. 空值判断: IS NULL 5 8. 非空判断: IS NOT NULL 6 9. LIKE比较: LIKE 6 10. JAVA的LIKE操作: RLIKE 6 11. REGEXP操作: REGEXP 7 二、数学运算： 7 1. 加法操作: + 7 2. 减法操作: - 7 3. 乘法操作: * 8 4. 除法操作: / 8 5. 取余操作: % 8 6. 位与操作: & 9 7. 位或操作: | 9 8. 位异或操作: ^ 9 9．位取反操作: ~ 10 三、逻辑运算： 10 1. 逻辑与操作: AND 10 2. 逻辑或操作: OR 10 3. 逻辑非操作: NOT 10 四、数值计算 11 1. 取整函数: round 11 2. 指定精度取整函数: round 11 3. 向下取整函数: floor 11 4. 向上取整函数: ceil 12 5. 向上取整函数: ceiling 12 6. 取随机数函数: rand 12 7. 自然指数函数: exp 13 8. 以10为底对数函数: log10 13 9. 以2为底对数函数: log2 13 10. 对数函数: log 13 11. 幂运算函数: pow 14 12. 幂运算函数: power 14 13. 开平方函数: sqrt 14 14. 二进制函数: bin 14 15. 十六进制函数: hex 15 16. 反转十六进制函数: unhex 15 17. 进制转换函数: conv 15 18. 绝对值函数: abs 16 19. 正取余函数: pmod 16 20. 正弦函数: sin 16 21. 反正弦函数: asin 16 22. 余弦函数: cos 17 23. 反余弦函数: acos 17 24. positive函数: positive 17 25. negative函数: negative 17 五、日期函数 18 1. UNIX时间戳转日期函数: from_unixtime 18 2. 获取当前UNIX时间戳函数: unix_timestamp 18 3. 日期转UNIX时间戳函数: unix_timestamp 18 4. 指定格式日期转UNIX时间戳函数: unix_timestamp 18 5. 日期时间转日期函数: to_date 19 6. 日期转年函数: year 19 7. 日期转月函数: month 19 8. 日期转天函数: day 19 9. 日期转小时函数: hour 20 10. 日期转分钟函数: minute 20 11. 日期转秒函数: second 20 12. 日期转周函数: weekofyear 20 13. 日期比较函数: datediff 21 14. 日期增加函数: date_add 21 15. 日期减少函数: date_sub 21 六、条件函数 21 1. If函数: if 21 2. 非空查找函数: COALESCE 22 3. 条件判断函数：CASE 22 4. 条件判断函数：CASE 22 七、字符串函数 23 1. 字符串长度函数：length 23 2. 字符串反转函数：reverse 23 3. 字符串连接函数：concat 23 4. 带分隔符字符串连接函数：concat_ws 23 5. 字符串截取函数：substr,substring 24 6. 字符串截取函数：substr,substring 24 7. 字符串转大写函数：upper,ucase 24 8. 字符串转小写函数：lower,lcase 25 9. 去空格函数：trim 25 10. 左边去空格函数：ltrim 25 11. 右边去空格函数：rtrim 25 12. 正则表达式替换函数：regexp_replace 26 13. 正则表达式解析函数：regexp_extract 26 14. URL解析函数：parse_url 26 15. json解析函数：get_json_object 27 16. 空格字符串函数：space 27 17. 重复字符串函数：repeat 27 18. 首字符ascii函数：ascii 28 19. 左补足函数：lpad 28 20. 右补足函数：rpad 28 21. 分割字符串函数: split 28 22. 集合查找函数: find_in_set 29 八、集合统计函数 29 1. 个数统计函数: count 29 2. 总和统计函数: sum 29 3. 平均值统计函数: avg 30 4. 最小值统计函数: min 30 5. 最大值统计函数: max 30 6. 非空集合总体变量函数: var_pop 30 7. 非空集合样本变量函数: var_samp 31 8. 总体标准偏离函数: stddev_pop 31 9. 样本标准偏离函数: stddev_samp 31 10．中位数函数: percentile 31 11. 中位数函数: percentile 31 12. 近似中位数函数: percentile_approx 32 13. 近似中位数函数: percentile_approx 32 14. 直方图: histogram_numeric 32 九、复合类型构建操作 32 1. Map类型构建: map 32 2. Struct类型构建: struct 33 3. array类型构建: array 33 十、复杂类型访问操作 33 1. array类型访问: A[n] 33 2. map类型访问: M[key] 34 3. struct类型访问: S.x 34 十一、复杂类型长度统计函数 34 1. Map类型长度函数: size(Map) 34 2. array类型长度函数: size(Array) 34 3. 类型转换函数 35
HIve窗口函数汇总整理全部带实例
qq_32118757的博客
01-19 577
HIve窗口函数汇总整理全部带实例，可以进行快速查询需要的函数，并配有实例说明
【Hive】窗口函数（开窗函数部分）
康师傅没有眼泪
11-24 2856
我们都知道在sql中有一类函数叫做聚合函数,例如sum()、avg()、max()等等,这类函数可以将多行数据按照规则聚集为一行,一般来讲聚集后的行数是要少于聚集前的行数的.但是有时我们想要既显示聚集前的数据,又要显示聚集后的数据,这时我们便引入了窗口函数.目前，我用的多的就是 row_number() , sum(), 解决topN 问题，分区排序，累积计数。hive中的窗口函数和sql中的窗口函数相类似,都是用来做一些数据分析类的工作,一般用于OLAP分析（在线分析处理）。
(07)Hive——窗口函数详解
爱吃辣条的博客
02-11 3161
Hive窗口函数详解
Hive之函数篇（使用函数看这篇足够了）
&volume的博客
07-10 1531
时间戳：我们常说的时间戳是unix时间戳----指从1970年1月1日00:00:00（UTC--世界协调时间，便于统一时区---可以认为是0时区）起算的秒数，它用于表示某个时间点相对于UNIX纪元时间的时间差。完整函数有三个参数，参数1：字符串 参数2：从什么位置开始截取（从1开始，正数表示从左往右数数，找到指定位置，负数表示从右往左数数，从-1开始，找到指定位置）参数3：表示截取的字符数，不写默认截取到最后。参数2：传入的是需要查找的位置（加一个$(指代的前边传入的字符串).符号）
Hive 窗口函数详解
雾岛与鲸的博客
09-04 6490
目录1、hive窗口函数2、在日常的开发中常用那些类型函数？3、了解哪些窗口函数，都是什么意思？窗口函数功能over语法1、物理窗口（真实往上下移动多少行rows between）：2、 逻辑窗口(满足条件上下多少行):(金融行业、保险行业、p2p等)4、窗口聚合函数count开窗函数sum开窗函数avg开窗函数min开窗函数max开窗函数5、窗口分析函数first_value开窗函数last_value开窗函数lag开窗函数lead开窗函数cume_dist开窗函数6、窗口排序函数rank开窗函数dens
HIVE中窗口函数
Miracle.Zhao的博客
04-10 3949
什么是窗口函数 窗口函数是用于分析用的一类函数，要理解窗口函数要先从聚合函数说起。 大家都知道聚合函数是将某列中多行的值合并为一行，比如sum、count等。 而窗口函数则可以在本行内做运算，得到多行的结果，即每一行对应一行的值。 通用的窗口函数可以用下面的语法来概括： Function() Over (Partition By Column1，Column2，Order By Column3) 窗口函数又分为以下三类： 聚合型窗口函数 分析型窗口函数 * 取值型窗口函数 接下来我们将通过几个实际
Hive常用函数总结（53个）
weixin_70577124的博客
07-12 3098
Hive常用函数
hive 窗口函数
05-30
Hive窗口函数是一种在查询结果集的特定行上执行计算和分析的函数。它们通常与OVER子句一起使用，OVER子句指定了窗口的范围和排序方式。通过使用窗口函数，可以在不使用子查询或自连接的情况下，对结果集中的数据进行...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值