理解hive中的开窗函数

开窗函数简单介绍

与聚合函数一样，开窗函数也是需要对行进行分组, 然后使用聚合算子. 可是它不像普通聚合函数那样每组只返回一个值，而是每一行返回一个窗口的聚合结果.

举例说明

数据如下

hive (default)> select * from over_test;
open_test.name    open_test.orderdate    open_test.cost
jack    2017-04-06    42
mart    2017-04-08    62
mart    2017-04-09    68
mart    2017-04-11    75
mart    2017-04-13    94

over()

表示: 窗口没有分组, 所有行在同一个行组中, 该行组一共5行. 每行都有一个开窗聚合结果, 聚合结果是5.

hive (default)> select name, count(*) over() from over_test;
name    count_window_0
jack    5
mart    5
mart    5
mart    5
mart    5

over(partition by name)

表示: 窗口中的行组是以name字段进行分组的. 每行通过name字段对应相应的行组, 并其每行获得一个该行组的聚合后的返回值, 这里有5行每行都有一个返回值.

jack所在行对应窗口中行组的行数是1, mart所在行对应窗口中行组的行数是4.

hive (default)> select name, count(*) over(partition by name ) from over_test;
name    count_window_0
jack    1
mart    4
mart    4
mart    4
mart    4

group by结合 over()

group by的优先级高于开窗, 先group by name生成两行, 然后对每一行进行开窗聚合.

• over()对所有行进行开窗聚合
  

  hive (default)> select name, count()  over() from over_test group by name;
  name    count_window_0
  jack    2
  mart    2

• over(partition by name)根据字段name开窗聚合
  

  hive (default)> select name, count()  over(partition by name) from over_test group by name;
  name    count_window_0
  jack    1
  mart    1

开窗聚合过程总结

有多少行就有多少个开窗聚合结果.

• over(partion by field1, field2)根据字段对所有行进行分组, 然后对每一行选择一个行组进行聚合一个聚合结果```
• over(), 将所有行分为一个行组, 对每一行选择该行组进行聚合得到一个结果
• 如果有group by则先进行group by, 再对group by后的所有行进行开窗分组后, 按行组聚合