窗口函数

Posted 2020-11-28 zhuziz

首先我们知道聚合函数（如sum()、avg()、max()等等）是针对定义的行集（组）执行聚集，每组只返回一个值。

窗口函数也是针对定义的行集（组）执行聚集，可为每组返回多个值。如既要显示聚集前的数据,又要显示聚集后的数据。

窗口查询有两个步骤：将记录分割成多个分区，然后在各个分区上调用窗口函数。

 

 

 语法：主要是over( PARTITION BY (根据某条件分组，形成一个小组)….ORDER BY(再组内进行排序) …. ) 

over用法：

over (order by col1) --按照 col1 排序
over (partition by col1) --按照 col1 分区
over (partition by col1 order by col2) -- 按照 col1 分区,按照 col2 排序

--带有窗口范围
over (partition by col1 order by col2 ROWS 窗口范围) -- 在窗口范围内，按照 col1 分区,按照 col2 排序

案例：

--建表
CREATE TABLE wt1(
id int,
name string,
age int
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ‘ ‘;

 

-- 初始化数据 id name age 分割
1　　a1　　10
2　　a2　　10
3　　a3　　10
4　　a4　　20
5　　a5　　20
6　　a6　　20
7　　a7　　20
8　　a8　　30
-- 加载数据
load data local inpath ‘/home/hadoop/d1/file1‘ overwrite into table wt1;

 

-- 窗口范围是整个表
-- 按照age排序，每阶段的age数据进行统计求和
select
id,
name,
age,
count() over (order by age) as n
from wt1;

 

运行结果 : 将整个表作为一个窗口,然后对这个窗口中排序的字段进行分别计算
MapReduce Jobs Launched:
Stage-Stage-1: Map: 1 Reduce: 1 Cumulative CPU: 3.27 sec HDFS Read: 9498 HDFS Write: 263 SUCCESS
Total MapReduce CPU Time Spent: 3 seconds 270 msec
OK

3　　a3　　10　　3
2　　a2　　10　　3
1　　a1　　10　　3
7　　a7　　20　　7
6　　a6　　20　　7
5　　a5　　20　　7
4　　a4　　20　　7
8　　a8　　30　　8

 

------------------------------------
-- 窗口范围是表下按照age进行分区
-- 在分区里面，再按照age进行排序
select
id,
name,
age,
count() over (partition by age order by age) as n
from wt1;

-- 运行结果 使用age作为新的分区 然后针对各个分区使用聚合函数分开统计
MapReduce Jobs Launched:
Stage-Stage-1: Map: 1 Reduce: 1 Cumulative CPU: 3.77 sec HDFS Read: 9354 HDFS Write: 263 SUCCESS
Total MapReduce CPU Time Spent: 3 seconds 770 msec
OK
3　　a3　　10　　3
2　　a2　　10　　3
1　　a1　　10　　3
7　　a7　　20　　4
6　　a6　　20　　4
5　　a5　　20　　4
4　　a4　　20　　4
8　　a8　　30　　1

 

----------------------------------
-- 窗口范围是表下按照age进行分区
-- 在分区里面，再按照id进行排序
select
id,
name,
age,
count() over (partition by age order by id) as n
from wt1;

-- 根据年龄分三个窗口 然后每个窗口中按ID排序 count记录每个窗口中id出现的次数
MapReduce Jobs Launched:
Stage-Stage-1: Map: 1 Reduce: 1 Cumulative CPU: 2.96 sec HDFS Read: 9421 HDFS Write: 263 SUCCESS
Total MapReduce CPU Time Spent: 2 seconds 960 msec
OK
1　　a1　　10　　1
2　　a2　　10　　2
3　　a3　　10　　3
4　　a4　　20　　1
5　　a5　　20　　2
6　　a6　　20　　3
7　　a7　　20　　4
8　　a8　　30　　1