问题导读:
1.NTILE作用是什么?
2.按照pv降序排列,生成分组内每天的pv名次可使用哪个窗口函数?
3.RANK 和 DENSE_RANK作用是什么?
本文中介绍前几个序列函数,NTILE,ROW_NUMBER,RANK,DENSE_RANK,下面会一一解释各自的用途。
Hive版本为 apache-hive-0.13.1
注意: 序列函数不支持WINDOW子句。(什么是WINDOW子句,Hive分析窗口函数(一)SUM,AVG,MIN,MAX)
数据准备:
cookie1,2019-04-10,1 cookieid STRING |
NTILE
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
NTILE不支持ROWS BETWEEN,比如 NTILE(2) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND CURRENT ROW)
如果切片不均匀,默认增加第一个切片的分布
SELECT cookieid day pv rn1 rn2 rn3 |
–比如,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 rn FROM zcg1234; –rn = 1 的记录,就是我们想要的结果 cookieid day pv rn ———————————- cookie1 2019-04-12 7 1 cookie1 2019-04-11 5 1 cookie1 2019-04-15 4 1 cookie1 2019-04-16 4 2 cookie1 2019-04-13 3 2 cookie1 2019-04-14 2 3 cookie1 2019-04-10 1 3 cookie2 2019-04-15 9 1 cookie2 2019-04-16 7 1 cookie2 2019-04-13 6 1 cookie2 2019-04-12 5 2 cookie2 2019-04-14 3 2 cookie2 2019-04-11 3 3 cookie2 2019-04-10 2 3 |
ROW_NUMBER
ROW_NUMBER() –从1开始,按照顺序,生成分组内记录的序列
–比如,按照pv降序排列,生成分组内每天的pv名次
ROW_NUMBER() 的应用场景非常多,再比如,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 zcg1234; cookieid day pv rn ——————————————- cookie1 2019-04-12 7 1 cookie1 2019-04-11 5 2 cookie1 2019-04-15 4 3 cookie1 2019-04-16 4 4 cookie1 2019-04-13 3 5 cookie1 2019-04-14 2 6 cookie1 2019-04-10 1 7 cookie2 2019-04-15 9 1 cookie2 2019-04-16 7 2 cookie2 2019-04-13 6 3 cookie2 2019-04-12 5 4 cookie2 2019-04-14 3 5 cookie2 2019-04-11 3 6 cookie2 2019-04-10 2 7 |
RANK 和 DENSE_RANK
—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
SELECT cookieid, createtime, pv, RANK() OVER(PARTITION BY cookieid ORDER BY pv desc) AS rn1, DENSE_RANK() OVER(PARTITION BY cookieid ORDER BY pv desc) AS rn2, ROW_NUMBER() OVER(PARTITION BY cookieid ORDER BY pv DESC) AS rn3 FROM zcg1234 WHERE cookieid = 'cookie1'; cookieid day pv rn1 rn2 rn3 ————————————————– cookie1 2019-04-12 7 1 1 1 cookie1 2019-04-11 5 2 2 2 cookie1 2019-04-15 4 3 3 3 cookie1 2019-04-16 4 3 3 4 cookie1 2019-04-13 3 5 4 5 cookie1 2019-04-14 2 6 5 6 cookie1 2019-04-10 1 7 6 7 rn1: 15号和16号并列第3, 13号排第5 rn2: 15号和16号并列第3, 13号排第4 rn3: 如果相等,则按记录值排序,生成唯一的次序,如果所有记录值都相等,或许会随机排吧。 |