hive分区排序row_number、rank和dense_rank，列转行collect_list和collect_set

表movies

原表movies文件——uid用户ID，iid电影ID，score评分，ts时间戳

select uid, iid, score, ts, row_number() over(partition by uid order by ts desc) as rk from movies;

1、row_number()

得到的结果以uid为分区，以 ts时间戳为降序排列，row_number()形成一列新的排名序列号，取名rk，以uid分区进行排名。

row_number()生成连续的序号（相同的元素序号不同）。

2、rank()

select uid, iid, score, ts, rank() over(partition by uid order by ts desc) as rk from movies;

此处是排序，排序的列里面有相同的值，他的排名会相同。

rank() 如果两个元素相同，则序号相同，并且跳过下一个序号。

3、dense_rank（）

select uid, iid, score, ts, dense_rank() over(partition by uid order by ts desc) as rk from movies;

denes_rank()如果两个元素相等，则序号相同，不会跳过下个序号。

3、collect_list（）

select a.uid,collect_list(a.iid) as iid_list 

from (select uid,iid,score,ts,row_number() over(partiton by uid order by ts decs) as rk from movies) a

where a.rk <= 10

group by a.uid；

collect_list 可将列转行，查找用户最近观看的10部电影。

4、collect_set（）

collect_list和collect_set的区别：collect_set对结果去重。