hive的row_number()rank()和dense_rank()的区别以及具体使用
Posted lijie_cq
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了hive的row_number()rank()和dense_rank()的区别以及具体使用相关的知识,希望对你有一定的参考价值。
row_number()、rank()和dense_rank()这三个是hive内置的分析函数,下面我们来看看他们的区别和具体的使用案例。
- 首先创建一个文件test:
A,1
B,3
C,2
D,3
E,4
F,5
G,6
- 然后创建hive表:
create table test_rank(a string,b int) row format delimited fields terminated by ',' stored as textfile;
- load数据到表中
load data local inpath '/usr/java/test' overwrite into table test_rank;
- 执行下面的语句
select a,row_number() over(order by b) row_number,rank() over(order by b) rank,
dense_rank() over(order by b) dense_rank from lijie.test_rank;
结果为:
a row_number rank dense_rank
A 1 1 1
C 2 2 2
D 3 3 3
B 4 3 3
E 5 5 4
F 6 6 5
G 7 7 6
由此可见:
row_number:不管排名是否有相同的,都按照顺序1,2,3…..n
rank:排名相同的名次一样,同一排名有几个,后面排名就会跳过几次
dense_rank:排名相同的名次一样,且后面名次不跳跃
实际使用:
现在有一个需求: 需要加工一张表M 其中要求要A表,B表,C表的数据加工,A和B表连接字段都是唯一值,但是和C表连接的字段不唯一,如果A join B,然后再Join C 这样加工出来的表数据会不准确,这里需求是需要最新的C表中关联字段的数据。
可以按照如下方法解决(c2是C表的关联字段,通过update_time的降序取最新的那条数据):
select
A.xxx,
B.xxx,
C.xxx,
....
from
A
left outer join B
on A.c1 = B.c1
left outer join
(
select
cc.*,row_number() over(distribute by cc.c2 sort by cc.update_time desc) as rownum
from
C cc
) C on A.c2 = C.c2 and C.rownum = 1;
以上是关于hive的row_number()rank()和dense_rank()的区别以及具体使用的主要内容,如果未能解决你的问题,请参考以下文章
[HIVE] rank() dense_rank() row_number()的学习
hive 中row_number(),rank,dense_ran()的用法