Hive分析窗体函数之NTILE，ROW_NUMBER，RANK和DENSE_RANK

Posted 2020-10-01 zhchoutai

继续介绍几个序列函数：

NTILE。ROW_NUMBER，RANK和DENSE_RANK

环境信息：
Hive版本号为apache-hive-0.14.0-bin
Hadoop版本号为hadoop-2.6.0
Tez版本号为tez-0.7.0

数据：

P088888888888,2016-02-10,1

P088888888888,2016-02-11,3

P088888888888,2016-02-12,1

P088888888888,2016-02-13,9

P088888888888,2016-02-14,3

P088888888888,2016-02-15,12

P088888888888,2016-02-16,3

P066666666666,2016-02-10,6

P066666666666,2016-02-11,2

P066666666666,2016-02-12,1

P066666666666,2016-02-13,9

P066666666666,2016-02-14,2

P066666666666,2016-02-15,20

P066666666666,2016-02-16,2

导入数据到Hive表中：

load data local inpath  ‘/home/hadoop/testhivedata/windows_func.txt‘ overwrite into table windows_func;

 

NTILE
NTILE(n)。用于将分组数据依照顺序切分成n片。返回当前切片值
NTILE不支持ROWS BETWEEN，比方 NTILE(2) OVER(PARTITION BY polno ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND CURRENT ROW)
假设切片不均匀。默认添加第一个切片的分布。

SELECT

   polno,

   createtime,

   pnum,

   NTILE(2) OVER(PARTITION BY polno ORDER BY createtime) AS rn1,        --分组内将数据分成2片

   NTILE(3) OVER(PARTITION BY polno ORDER BY createtime) AS rn2, --分组内将数据分成3片

   NTILE(4) OVER(ORDER BY createtime) AS rn3 --将全部数据分成4片

FROM windows_func ORDER BY polno,createtime;

结果：

polno                   createtime pnum         rn1     rn2   rn3

P066666666666     2016-02-10     6         1      1     1

P066666666666     2016-02-11     2         1      1     1

P066666666666     2016-02-12     1         1      1     2

P066666666666     2016-02-13     9         1      2     2

P066666666666     2016-02-14     2         2      2     3

P066666666666     2016-02-15     20        2      3     3

P066666666666     2016-02-16     2         2      3     4

P088888888888     2016-02-10     1         1      1     1

P088888888888     2016-02-11     3         1      1     1

P088888888888     2016-02-12     1         1      1     2

P088888888888     2016-02-13     9         1      2     2

P088888888888     2016-02-14     3         2      2     3

P088888888888     2016-02-15     12        2      3     4

P088888888888     2016-02-16     3         2      3     4

 

--比方，pnum数最多的前1/3的天

--rn = 1 的记录，就是我们想要的结果

SELECT polno,

      createtime,

       pnum,

      NTILE(3) OVER(PARTITION BY polno ORDER BY pnum DESC) AS rn

FROM windows_func;

结果：

polno                   createtime pnum        rn

P066666666666     2016-02-15     20        1

P066666666666     2016-02-13     9         1

P066666666666     2016-02-10     6         1

P066666666666     2016-02-16     2         2

P066666666666     2016-02-11     2         2

P066666666666     2016-02-14     2         3

P066666666666     2016-02-12     1         3

P088888888888     2016-02-15     12        1

P088888888888     2016-02-13     9         1

P088888888888     2016-02-16     3         1

P088888888888     2016-02-11     3         2

P088888888888     2016-02-14     3         2

P088888888888     2016-02-12     1         3

P088888888888     2016-02-10     1         3 

 

ROW_NUMBER

ROW_NUMBER() –从1開始，依照顺序，生成分组内记录的序列
–比方，依照pnum降序排列。生成分组内每天的pnum名次
ROW_NUMBER() 的应用场景许多。再比方，获取分组内排序第一的记录等等。

SELECT polno,

       createtime,

       pnum,

       ROW_NUMBER() OVER(PARTITION BY polno ORDER BY pnum desc) AS rn

FROM windows_func;

 结果：

polno                   createtime pnum         rn

P066666666666     2016-02-15     20        1

P066666666666     2016-02-13     9         2

P066666666666     2016-02-10     6         3

P066666666666     2016-02-16     2         4

P066666666666     2016-02-11     2         5

P066666666666     2016-02-14     2         6

P066666666666     2016-02-12     1         7

P088888888888     2016-02-15     12        1

P088888888888     2016-02-13     9         2

P088888888888     2016-02-16     3         3

P088888888888     2016-02-11     3         4

P088888888888     2016-02-14     3         5

P088888888888     2016-02-12     1         6

P088888888888     2016-02-10     1         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 polno,

      createtime,

      pnum,

       RANK() OVER(PARTITION BY polno ORDER BY pnum desc) AS rn1,

      DENSE_RANK() OVER(PARTITION BY polno ORDER BY pnum desc) AS rn2,

      ROW_NUMBER() OVER(PARTITION BY polno ORDER BY pnum DESC) AS rn3

FROM windows_func WHERE polno =‘P066666666666‘;

结果：

polno                   createtime pnum         rn1     rn2   rn3

P066666666666     2016-02-15     20        1      1     1

P066666666666     2016-02-13     9         2      2     2

P066666666666     2016-02-10     6         3      3     3

P066666666666     2016-02-11     2         4      4     4

P066666666666     2016-02-14     2         4      4     5

P066666666666     2016-02-16     2         4      4     6

P066666666666     2016-02-12     1         7      5     7