hive 之 row_number等窗口分析函数用法

一、排序&去重分析

row_number() over(partititon by col1 order by col2) as rn

结果：1,2,3,4

rank() over(partititon by col1 order by col2) as rk

结果：1，2，2，4，5

dense_rank() over(partititon by col1 order by col2) as ds_rk

结果：1，2，2，3，4

上HQL语句：

select
order_id,
departure_date,
row_number() over(partition by order_id order by departure_date) as rn, -- 直排
rank() over(partition by order_id order by departure_date) as rk, -- 并列的，下一个数字会跳过
dense_rank() over(partition by order_id order by departure_date) as d_rk -- 并列的，下一个数据不会跳过
from ord_test
where order_id=410341346;

运行结果如下图：

二、跨行获取

lag(col1,n,DEFAULT) over(partition by col1 order by col2) as up
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）

lead(col1,n,DEFAULT) over(partition by col1 order by col2) as down
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() over(partition by col1 order by col2) as fv
取分组内排序后，截止到当前行，第一个值

last_value() over(partition by col1 order by col2) as lv
取分组内排序后，截止到当前行，第一个值

select
order_id,
departure_date,
first_value(departure_date) over(partition by order_id order by add_time)as fv, -- 取分组内第一条
last_value(departure_date) over(partition by order_id order by add_time)as lv -- 取分组内最后一条
from ord_test
where order_id=410341346;

select
order_id,
departure_date,
lead(departure_date,1) over(partition by order_id order by departure_date)as down_1, -- 向下取一级
lag(departure_date,1) over(partition by order_id order by departure_date)as up_1 -- 向上取一级
from ord_test
where order_id=410341346;

结果如下：