hive窗口函数练习题

已于 2024-03-24 17:52:54 修改
阅读量2.8k 收藏 46
点赞数 23
分类专栏： Hive 文章标签： hive
于 2020-11-08 12:41:33 首次发布
爱小刘，爱生活
本文链接：https://blog.csdn.net/weixin_45775873/article/details/109556502
版权

有作业问题可私信小刘，欢迎探讨

一、第一套练习

需求：
1、求用户明细并统计每天的用户总数
2、计算从第一天到现在的所有 score 大于80分的用户总数
3、计算每个用户到当前日期分数大于80的天数

test_window.txt数据：

20191020,11111,85
20191020,22222,83
20191020,33333,86
20191021,11111,87
20191021,22222,65
20191021,33333,98
20191022,11111,67
20191022,22222,34
20191022,33333,88
20191023,11111,99
20191023,22222,33

建表：

0: jdbc:hive2://hadoop:11240> create table test_window(logday string,userid string,score int)
. . . . . . . . . . . . . . > row format delimited
. . . . . . . . . . . . . . > fields terminated by ',';
0: jdbc:hive2://hadoop:11240> load data local inpath '/home/xiaokang/hivedata/test_window.txt'
. . . . . . . . . . . . . . > into table test_window;
0: jdbc:hive2://hadoop:11240> select * from test_window;
+---------------------+---------------------+--------------------+
| test_window.logday  | test_window.userid  | test_window.score  |
+---------------------+---------------------+--------------------+
| 20191020            | 11111               | 85                 |
| 20191020            | 22222               | 83                 |
| 20191020            | 33333               | 86                 |
| 20191021            | 11111               | 87                 |
| 20191021            | 22222               | 65                 |
| 20191021            | 33333               | 98                 |
| 20191022            | 11111               | 67                 |
| 20191022            | 22222               | 34                 |
| 20191022            | 33333               | 88                 |
| 20191023            | 11111               | 99                 |
| 20191023            | 22222               | 33                 |
+---------------------+---------------------+--------------------+

1、求用户明细并统计每天的用户总数

0: jdbc:hive2://hadoop:11240> select *,count()over(partition by logday)as day_total from test_window;
+---------------------+---------------------+--------------------+------------+
| test_window.logday  | test_window.userid  | test_window.score  | day_total  |
+---------------------+---------------------+--------------------+------------+
| 20191020            | 33333               | 86                 | 3          |
| 20191020            | 22222               | 83                 | 3          |
| 20191020            | 11111               | 85                 | 3          |
| 20191021            | 33333               | 98                 | 3          |
| 20191021            | 22222               | 65                 | 3          |
| 20191021            | 11111               | 87                 | 3          |
| 20191022            | 33333               | 88                 | 3          |
| 20191022            | 22222               | 34                 | 3          |
| 20191022            | 11111               | 67                 | 3          |
| 20191023            | 22222               | 33                 | 2          |
| 20191023            | 11111               | 99                 | 2          |
+---------------------+---------------------+--------------------+------------+

2、计算从第一天到现在的所有 score 大于80分的用户总数

0: jdbc:hive2://hadoop:11240> select *,count()over(order by logday rows between unbounded preceding and current row) as total from test_window where score>80;
+---------------------+---------------------+--------------------+--------+
| test_window.logday  | test_window.userid  | test_window.score  | total  |
+---------------------+---------------------+--------------------+--------+
| 20191020            | 33333               | 86                 | 1      |
| 20191020            | 22222               | 83                 | 2      |
| 20191020            | 11111               | 85                 | 3      |
| 20191021            | 33333               | 98                 | 4      |
| 20191021            | 11111               | 87                 | 5      |
| 20191022            | 33333               | 88                 | 6      |
| 20191023            | 11111               | 99                 | 7      |
+---------------------+---------------------+--------------------+--------+

3、计算每个用户到当前日期分数大于80的天数

0: jdbc:hive2://hadoop:11240> select *,count()over(partition by userid order by logday rows between unbounded preceding and current row) as total
. . . . . . . . . . . . . . > from test_window where score>80 order by logday,userid;
+---------------------+---------------------+--------------------+--------+
| test_window.logday  | test_window.userid  | test_window.score  | total  |
+---------------------+---------------------+--------------------+--------+
| 20191020            | 11111               | 85                 | 1      |
| 20191020            | 22222               | 83                 | 1      |
| 20191020            | 33333               | 86                 | 1      |
| 20191021            | 11111               | 87                 | 2      |
| 20191021            | 33333               | 98                 | 2      |
| 20191022            | 33333               | 88                 | 3      |
| 20191023            | 11111               | 99                 | 3      |
+---------------------+---------------------+--------------------+--------+

二、第二套练习

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、查询顾客的购买明细及到目前为止每个顾客购买总金额
4、查询顾客上次的购买时间----lag()over()偏移量分析函数的运用

数据：

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

建表：

0: jdbc:hive2://hadoop:11240> create table business(name string,orderdate string,cost int)
. . . . . . . . . . . . . . > row format delimited
. . . . . . . . . . . . . . > fields terminated by ',';
0: jdbc:hive2://hadoop:11240> load data local inpath "/home/xiaokang/hivedata/business.txt"
. . . . . . . . . . . . . . > into table business;
0: jdbc:hive2://hadoop:11240> select * from business;
+----------------+---------------------+----------------+
| business.name  | business.orderdate  | business.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             |
+----------------+---------------------+----------------+

1、查询在2017年4月份购买过的顾客及总人数

在本例中：

  • over()必须跟在聚合函数（本例中count()）后面，over()叫做开窗函数。
  • 开窗的意义在于它开了一个窗口，这个窗口叫做数据集。
  • 开窗的作用范围：仅仅是给前面的聚合函数count()使用的
  • 开窗等于开一部分数据集出来
  • over()中为空，表示对整个数据集开窗
0: jdbc:hive2://hadoop:11240> select name,count(*) over()
. . . . . . . . . . . . . . > from business
. . . . . . . . . . . . . . > where substring(orderdate,1,7)='2017-04'
+-------+-----------------+
| name  | count_window_0  |
+-------+-----------------+
| mart  | 5               |
| mart  | 5               |
| mart  | 5               |
| mart  | 5               |
| jack  | 5               |
+-------+-----------------+

2、查询顾客的购买明细及所有顾客的购买总额
所有人的花费求和

0: jdbc:hive2://hadoop:11240> select *,sum(cost)over() 
. . . . . . . . . . . . . . > from business;
+----------------+---------------------+----------------+---------------+
| business.name  | business.orderdate  | business.cost  | sum_window_0  |
+----------------+---------------------+----------------+---------------+
| mart           | 2017-04-13          | 94             | 661           |
| neil           | 2017-06-12          | 80             | 661           |
| mart           | 2017-04-11          | 75             | 661           |
| neil           | 2017-05-10          | 12             | 661           |
| mart           | 2017-04-09          | 68             | 661           |
| mart           | 2017-04-08          | 62             | 661           |
| jack           | 2017-01-08          | 55             | 661           |
| tony           | 2017-01-07          | 50             | 661           |
| jack           | 2017-04-06          | 42             | 661           |
| jack           | 2017-01-05          | 46             | 661           |
| tony           | 2017-01-04          | 29             | 661           |
| jack           | 2017-02-03          | 23             | 661           |
| tony           | 2017-01-02          | 15             | 661           |
| jack           | 2017-01-01          | 10             | 661           |
+----------------+---------------------+----------------+---------------+

3、查询顾客的购买明细以及每位顾客的总花费
按人分组求和

0: jdbc:hive2://hadoop:11240> select *,sum(cost) over(distribute by name)
. . . . . . . . . . . . . . > from business;
+----------------+---------------------+----------------+---------------+
| business.name  | business.orderdate  | business.cost  | sum_window_0  |
+----------------+---------------------+----------------+---------------+
| jack           | 2017-01-05          | 46             | 176           |
| jack           | 2017-01-08          | 55             | 176           |
| jack           | 2017-01-01          | 10             | 176           |
| jack           | 2017-04-06          | 42             | 176           |
| jack           | 2017-02-03          | 23             | 176           |
| mart           | 2017-04-13          | 94             | 299           |
| mart           | 2017-04-11          | 75             | 299           |
| mart           | 2017-04-09          | 68             | 299           |
| mart           | 2017-04-08          | 62             | 299           |
| neil           | 2017-05-10          | 12             | 92            |
| neil           | 2017-06-12          | 80             | 92            |
| tony           | 2017-01-04          | 29             | 94            |
| tony           | 2017-01-02          | 15             | 94            |
| tony           | 2017-01-07          | 50             | 94            |
+----------------+---------------------+----------------+---------------+

4、查询顾客的购买明细及到目前为止每个顾客购买总金额
按人分组，按时间排序，花费累加

# 方法一：
0: jdbc:hive2://hadoop:11240> select * ,sum(cost) over(distribute by name sort by orderdate)
. . . . . . . . . . . . . . > from business;
+----------------+---------------------+----------------+---------------+
| business.name  | business.orderdate  | business.cost  | sum_window_0  |
+----------------+---------------------+----------------+---------------+
| jack           | 2017-01-01          | 10             | 10            |
| jack           | 2017-01-05          | 46             | 56            |
| jack           | 2017-01-08          | 55             | 111           |
| jack           | 2017-02-03          | 23             | 134           |
| jack           | 2017-04-06          | 42             | 176           |
| mart           | 2017-04-08          | 62             | 62            |
| mart           | 2017-04-09          | 68             | 130           |
| mart           | 2017-04-11          | 75             | 205           |
| mart           | 2017-04-13          | 94             | 299           |
| neil           | 2017-05-10          | 12             | 12            |
| neil           | 2017-06-12          | 80             | 92            |
| tony           | 2017-01-02          | 15             | 15            |
| tony           | 2017-01-04          | 29             | 44            |
| tony           | 2017-01-07          | 50             | 94            |
+----------------+---------------------+----------------+---------------+

#方法二：
0: jdbc:hive2://hadoop:11240> select *,
. . . . . . . . . . . . . . > sum(cost)
. . . . . . . . . . . . . . > over(partition by name
. . . . . . . . . . . . . . > order by orderdate rows between unbounded preceding and current row)
. . . . . . . . . . . . . . > as total_amount
. . . . . . . . . . . . . . > from business;
+----------------+---------------------+----------------+---------------+
| business.name  | business.orderdate  | business.cost  | total_amount  |
+----------------+---------------------+----------------+---------------+
| jack           | 2017-01-01          | 10             | 10            |
| jack           | 2017-01-05          | 46             | 56            |
| jack           | 2017-01-08          | 55             | 111           |
| jack           | 2017-02-03          | 23             | 134           |
| jack           | 2017-04-06          | 42             | 176           |
| mart           | 2017-04-08          | 62             | 62            |
| mart           | 2017-04-09          | 68             | 130           |
| mart           | 2017-04-11          | 75             | 205           |
| mart           | 2017-04-13          | 94             | 299           |
| neil           | 2017-05-10          | 12             | 12            |
| neil           | 2017-06-12          | 80             | 92            |
| tony           | 2017-01-02          | 15             | 15            |
| tony           | 2017-01-04          | 29             | 44            |
| tony           | 2017-01-07          | 50             | 94            |
+----------------+---------------------+----------------+---------------+

5、查询顾客上次的购买时间----lag()over()偏移量分析函数的运用

0: jdbc:hive2://hadoop:11240> select *,
#如果上次的购买时间为null，将其处理为1970-01-01
. . . . . . . . . . . . . . > lag(orderdate,1,'1970-01-01') over(partition by name order by orderdate) last_date
. . . . . . . . . . . . . . > from business;
+----------------+---------------------+----------------+-------------+
| business.name  | business.orderdate  | business.cost  |  last_date  |
+----------------+---------------------+----------------+-------------+
| jack           | 2017-01-01          | 10             | 1970-01-01  |
| jack           | 2017-01-05          | 46             | 2017-01-01  |
| jack           | 2017-01-08          | 55             | 2017-01-05  |
| jack           | 2017-02-03          | 23             | 2017-01-08  |
| jack           | 2017-04-06          | 42             | 2017-02-03  |
| mart           | 2017-04-08          | 62             | 1970-01-01  |
| mart           | 2017-04-09          | 68             | 2017-04-08  |
| mart           | 2017-04-11          | 75             | 2017-04-09  |
| mart           | 2017-04-13          | 94             | 2017-04-11  |
| neil           | 2017-05-10          | 12             | 1970-01-01  |
| neil           | 2017-06-12          | 80             | 2017-05-10  |
| tony           | 2017-01-02          | 15             | 1970-01-01  |
| tony           | 2017-01-04          | 29             | 2017-01-02  |
| tony           | 2017-01-07          | 50             | 2017-01-04  |
+----------------+---------------------+----------------+-------------+

6、查询顾客下一次的购买时间

0: jdbc:hive2://hadoop:11240> select *,
. . . . . . . . . . . . . . > lead(orderdate,1,'9999-99-99') over(partition by name order by orderdate) last_date
. . . . . . . . . . . . . . > from business;
+----------------+---------------------+----------------+-------------+
| business.name  | business.orderdate  | business.cost  |  last_date  |
+----------------+---------------------+----------------+-------------+
| jack           | 2017-01-01          | 10             | 2017-01-05  |
| jack           | 2017-01-05          | 46             | 2017-01-08  |
| jack           | 2017-01-08          | 55             | 2017-02-03  |
| jack           | 2017-02-03          | 23             | 2017-04-06  |
| jack           | 2017-04-06          | 42             | 9999-99-99  |
| mart           | 2017-04-08          | 62             | 2017-04-09  |
| mart           | 2017-04-09          | 68             | 2017-04-11  |
| mart           | 2017-04-11          | 75             | 2017-04-13  |
| mart           | 2017-04-13          | 94             | 9999-99-99  |
| neil           | 2017-05-10          | 12             | 2017-06-12  |
| neil           | 2017-06-12          | 80             | 9999-99-99  |
| tony           | 2017-01-02          | 15             | 2017-01-04  |
| tony           | 2017-01-04          | 29             | 2017-01-07  |
| tony           | 2017-01-07          | 50             | 9999-99-99  |
+----------------+---------------------+----------------+-------------+

7、查询顾客购买明细及月购买总额
先按姓名进行分组，再按月份进行分组

hive> select *,
. . > sum(cost)over(partition by name,substr(orderdate,1,7)) as total
. . > from business;

在这里插入图片描述
8、查询日期前20%的订单信息
先按日期排序，并分成5组

hive> select *,
. . > ntile(5)over(order by orderdate) as sortgroup_num
. . > from business;

在这里插入图片描述

再查询出分组号为1的记录

hive> select * from
. . > (select *,
. . > ntile(5)over(order by orderdate) as sortgroup_num
. . > from business) t
. . > where t.sortgroup_num = 1;

在这里插入图片描述

三、第三套练习

需求：
1、每门学科学生成绩排名(是否并列排名、空位排名三种实现)
2、每门学科成绩排名top n的学生

score.txt

name	subject	score
孙悟空	语文	87
孙悟空	数学	95
孙悟空	英语	68
大海	语文	94
大海	数学	56
大海	英语	84
宋宋	语文	64
宋宋	数学	86
宋宋	英语	84
婷婷	语文	65
婷婷	数学	85
婷婷	英语	78

建表：

0: jdbc:hive2://hadoop:11240> create table score(name string,subject string,score int)
. . . . . . . . . . . . . . > row format delimited fields terminated by "\t";
0: jdbc:hive2://hadoop:11240> load data local inpath '/home/xiaokang/hivedata/score.txt' into table score;
0: jdbc:hive2://hadoop:11240> select * from score;
+-------------+----------------+--------------+
| score.name  | score.subject  | score.score  |
+-------------+----------------+--------------+
| 孙悟空         | 语文             | 87           |
| 孙悟空         | 数学             | 95           |
| 孙悟空         | 英语             | 68           |
| 大海          | 语文             | 94           |
| 大海          | 数学             | 56           |
| 大海          | 英语             | 84           |
| 宋宋          | 语文             | 64           |
| 宋宋          | 数学             | 86           |
| 宋宋          | 英语             | 84           |
| 婷婷          | 语文             | 65           |
| 婷婷          | 数学             | 85           |
| 婷婷          | 英语             | 78           |
+-------------+----------------+--------------+

1、每门学科学生成绩排名(是否并列排名、空位排名三种实现)

  • row_number()按照值排序时产生一个自增编号，不会重复（如：1、2、3、4、5、6）
  • rank() 按照值排序时产生一个自增编号，值相等时会重复，会产生空位（如：1、2、3、3、3、6）
  • dense_rank() 按照值排序时产生一个自增编号，值相等时会重复，不会产生空位（如：1、2、3、3、3、4）
0: jdbc:hive2://hadoop:11240> select *,
. . . . . . . . . . . . . . > row_number()over(partition by subject order by score desc) as row_number_method,
. . . . . . . . . . . . . . > rank()over(partition by subject order by score desc) as rank_method,
. . . . . . . . . . . . . . > dense_rank()over(partition by subject order by score desc) as dense_rank_method
. . . . . . . . . . . . . . > from score;
+-------------+----------------+--------------+--------------------+--------------+--------------------+
| score.name  | score.subject  | score.score  | row_number_method  | rank_method  | dense_rank_method  |
+-------------+----------------+--------------+--------------------+--------------+--------------------+
| 孙悟空         | 数学             | 95           | 1                  | 1            | 1                  |
| 宋宋          | 数学             | 86           | 2                  | 2            | 2                  |
| 婷婷          | 数学             | 85           | 3                  | 3            | 3                  |
| 大海          | 数学             | 56           | 4                  | 4            | 4                  |
| 宋宋          | 英语             | 84           | 1                  | 1            | 1                  |
| 大海          | 英语             | 84           | 2                  | 1            | 1                  |
| 婷婷          | 英语             | 78           | 3                  | 3            | 2                  |
| 孙悟空         | 英语             | 68           | 4                  | 4            | 3                  |
| 大海          | 语文             | 94           | 1                  | 1            | 1                  |
| 孙悟空         | 语文             | 87           | 2                  | 2            | 2                  |
| 婷婷          | 语文             | 65           | 3                  | 3            | 3                  |
| 宋宋          | 语文             | 64           | 4                  | 4            | 4                  |
+-------------+----------------+--------------+--------------------+--------------+--------------------+

2、每门学科成绩排名前三的学生

0: jdbc:hive2://hadoop:11240> select * from (
. . . . . . . . . . . . . . > select *,
. . . . . . . . . . . . . . > row_number() over(partition by subject order by score desc) as rmp
. . . . . . . . . . . . . . > from score
. . . . . . . . . . . . . . > ) as t
. . . . . . . . . . . . . . > where t.rmp<=3;
+---------+------------+----------+--------+
| t.name  | t.subject  | t.score  | t.rmp  |
+---------+------------+----------+--------+
| 孙悟空     | 数学         | 95       | 1      |
| 宋宋      | 数学         | 86       | 2      |
| 婷婷      | 数学         | 85       | 3      |
| 宋宋      | 英语         | 84       | 1      |
| 大海      | 英语         | 84       | 2      |
| 婷婷      | 英语         | 78       | 3      |
| 大海      | 语文         | 94       | 1      |
| 孙悟空     | 语文         | 87       | 2      |
| 婷婷      | 语文         | 65       | 3      |
+---------+------------+----------+--------+
小刘新鲜事儿
关注
  • 23
    点赞
  • 踩
  • 46
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Hive-窗口函数/开窗函数(重点理解~~~)
weixin_43586713的博客
10-17 1582
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， 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 LAG(col,
原创 | 详解Hive窗口函数及10道实战练习
a934079371的博客
08-29 3263
文末有赠书福利目录：一、hive窗口函数语法----over()窗口函数的语法结构----常与over()一起使用的分析函数二、hive窗口函数练习28道题前言：我们在学习hive窗口函...
70道Hive高频题整理(附答案背诵版)
最新发布
Angela_L的博客
05-16 550
Hive是一个基于Hadoop的数据仓库工具，它可以将结构化的数据文件映射为一张数据库表，并提供简单的SQL查询功能，可以将SQL语句转换为MapReduce任务进行运行。Hive定义了简单的SQL查询语言称为HiveQL，该语言允许熟悉SQL的用户查询数据。同时，Hive提供了一个元数据存储，存储了所有表的元数据信息。应用场景举例：假设我们有一个电商网站，每天都会产生大量的交易数据，我们需要分析这些数据以了解销售情况、用户行为等信息。
Hive窗口函数练习题
Jamie's Blogs
12-12 786
每个用户截止到每月为止的最大单月访问次数和累计到该月的总访问次数 0: jdbc:hive2://node03:10000> create table view_log( . . . . . . . . . . . . . . > name string, . . . . . . . . . . . . . . > time string, . . . . . . . . . ....
hive 窗口函数练习
weixin_51142332的博客
05-18 663
hive 窗口函数练习 第一套练习 1、使用 over() 函数进行数据统计, 统计每个用户及表中数据的总数 2、求用户明细并统计每天的用户总数 3、计算从第一天到现在的所有 score 大于80分的用户总数 4、计算每个用户到当前日期分数大于80的天数 测试数据 20191020,11111,85 20191020,22222,83 20191020,33333,86 20191021,11111,87 20191021,22222,65 20191021,33333,98 20191022,11111
hive hql 窗口函数 练习
努力吧闫小胖的博客
09-21 996
窗口函数 物理窗口 真实往上下移动多少行rows between CURRENT ROW | UNBOUNDED PRECEDING | [num] PRECEDING AND UNBOUNDED FOLLOWING | [num] FOLLOWING| CURRENT ROW 如: over(partition by col order by rows between 1 preceding ...
hive练习:窗口函数相关
hello world
09-17 943
1.编写sql实现每个用户截止到每月为止的最大单月访问次数和累计到该月的总访问次数 数据: A,2015-01,5 A,2015-01,15 B,2015-01,5 A,2015-01,8 B,2015-01,25 A,2015-01,5 A,2015-02,4 A,2015-02,6 B,2015-02,10 B,2015-02,5 A,2015-03,16 A,2015-...
hive窗口函数.docx
07-08
以下是 28 道 Hive 窗口函数练习题： 1. 使用 over() 函数进行数据统计，统计每个用户及表中数据的总数 ```sql select *, count(userid) over() as total from test_window; ``` 2. 求用户明细并统计每天的用户总数...
hive窗口函数
01-09
hive窗口系列函数
Hive 窗口函数
01-07
over()：指定分析函数工作的数据窗口的大小，这个数据窗口大小会随着行的变而变化。over跟在聚合函数后面，只对聚合函数生效。 current row：当前行 n preceding：往前n行数据 n following：往后n行数据 unbounded：...
Hive窗口函数，定义、demo
05-14
Hive窗口函数的定义，demo等
Hive面试题SQL测试题目2数据
08-31
文章Hive面试题SQL测试题目所需数据，包含建表语句 测试数据等等...................
hive练习数据和练习题及答案
01-05
hive练习数据和hive练习题包含了hive练习数据，hive数据的建表ddl和hive练习题，非常适合做hive练习，新手培训，快速入门等； 包含以下练习： hive的group by 和集合函数 hive的Order By/Sort By/Distribute By Join...
[hive]窗口函数练习(未完)
胖胖的博客
03-31 1276
Hive（七）Hive分析窗口函数 - ZackSun - 博客园
【每天进步一点点】【hive窗口函数】 窗口函数综合练习
weixin_40420525的博客
08-10 245
窗口函数综合练习 1.需求 1.1 数据 pk,2021-09-01,500,10.10.10.9 xingxing,2021-09-02,3500,10.10.10.10 pk,2021-02-03,46,10.10.10.9 xingxing,2021-09-04,578,10.10.10.10 pk,2021-09-05,345,10.10.10.9 pk,2021-04-06,235,10.10.10.9 xingxing,2021-09-07,78,10.10.10.10 pk,2021-0
Hive窗口函数及练习
weixin_45941889的博客
07-15 200
1.窗口函数over()的语法结构 分析函数 over (partition by 列名 order by 列名 rows between 开始位置 and 结束位置） over()函数包括三个函数： 分区 partition by 列名 排序 order by 列名 指定窗口范围 rows between 开始位置 and 结束位置 这三个函数可以同时使用也可以不使用 over()函数中如果不使用这三个函数，窗口大小是针对查询产生的所有数据，如果指定了分区，窗口大小是针对每个分区的数据。 #1.统计每个
数仓工具—Hive语法之窗口函数练习和总结(15)
热门推荐
01-09 5万+
窗口函数其实日常中用的是比较多的，加上之前我们分别介绍了各个窗口函数，今天我们就练习和总结一下
09-20 hive SQL窗口函数+ 练习重点练习题
weixin_46400833的博客
09-20 450
Hive SQL窗口函数: 核心语法主框架： 8-Select 1 -From （left table） 3- （join_type）join(right_table) 2- On 4--Where 5-Group by 6- With 7-Having 9-Order by 10-Limit 1、 sum（）、avg（）用于累计窗口函数 2、 row_number(),rank() 用于创建排序窗口函数 3、 ntile（）分组查询窗口函数 4、 lag（），lead（）偏析分析窗口函数 累计窗口
hive窗口函数及笔试题目总结
anqi3776的博客
11-28 870
窗口函数一、函数介绍1、OVER()：2、其他函数3、排序函数介绍二、over使用介绍1、数据准备2、查询购买顾客姓名及购买总人数–窗口大小为筛选后的数据集2.1 分组查询购买顾客姓名，但是没有顾客总数2.2 使用over计算购买总人数2.3 sql讲解：count(*) over()3、查询顾客的购买明细及 月购买总额-窗口分区大小3.1 购买明细3.2 购买明细及总额3.3 总额计算解析4、求每个用户购买明细及将cost按照日期进行累加4、其他参数介绍5、查看顾客上次的购买时间-lag函数使用6、查看顾
csdn hive 窗口函数
01-13
CSND Hive窗口函数是Hive数据库中用于处理分组数据的一种强大工具。在数据仓库中，通常需要对数据进行分组计算和分析，而Hive窗口函数可以帮助我们实现这些操作。窗口函数可以在数据分组的基础上对分组数据进行排序、计算排名、聚合函数等操作，使得数据处理更加灵活高效。 使用CSND Hive窗口函数时，首先需要定义窗口规范，包括分组方式、排序方式等。然后可以在查询语句中使用窗口函数，如SUM、AVG、RANK等，对分组数据进行相应的计算和分析。窗口函数可以在查询结果中生成新的计算列，或者进行数据的筛选和过滤，从而得到我们需要的结果。 CSND Hive窗口函数的一大优势是可以避免使用复杂的子查询和连接操作，简化了数据处理的流程，并且提高了查询的效率。另外，窗口函数还能够实现对分组数据更加细致和精确的计算，满足了数据分析和报表展示的需求。 总而言之，CSND Hive窗口函数是Hive数据库中的一项重要特性，它为我们处理数据提供了强大的功能和灵活的操作方式，帮助我们更加高效地进行数据分析和计算。在实际的数据处理工作中，掌握窗口函数的使用方法，可以极大地提升工作效率和数据处理的质量。

“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

打赏作者

小刘新鲜事儿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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