Hive分组取Top N

Hive在0.11.0版本开始加入了row_number、rank、dense_rank分析函数，可以查询分组排序后的top值

 

说明：

row_number() over ([partition col1] [order by col2])

rank() over ([partition col1] [order by col2])

dense_rank() over ([partition col1] [order by col2])

它们都是根据col1字段分组，然后对col2字段进行排序，对排序后的每行生成一个行号，这个行号从1开始递增

col1、col2都可以是多个字段，用','分隔

 

区别：

1）row_number：不管col2字段的值是否相等，行号一直递增，比如：有两条记录的值相等，但一个是第一，一个是第二

2）rank：上下两条记录的col2相等时，记录的行号是一样的，但下一个col2值的行号递增N（N是重复的次数），比如：有两条并列第一，下一个是第三，没有第二

3）dense_rank：上下两条记录的col2相等时，下一个col2值的行号递增1，比如：有两条并列第一，下一个是第二

 

row_number可以实现分页查询

 

实例：

 

1. hive> create table t(name string, sub string, score int) row format delimited fields terminated by ' ';

 

数据在附件的a.txt里

1. a chinese 98
2. a english 90
3. d chinese 88
4. c english 82
5. c math 98
6. b math 89
7. b chinese 79
8. z english 90
9. z math 89
10. z chinese 80
11. e math 99
12. e english 87
13. d english 90

 

 

1、row_number

1. hive (test)> select *, row_number() over (partition by sub order by score) as od from t; 

 

2、rank

1. hive (test)> select *, rank() over (partition by sub order by score) as od from t; 

 

3、dense_ran

1. hive (test)> select *, dense_rank() over (partition by sub order by score desc) from t;

 

业务实例：

统计每个学科的前三名

1. select * from (select *, row_number() over (partition by sub order by score desc) as od from t ) t where od<=3;

语文成绩是80分的排名是多少

1. hive (test)> select od from (select *, row_number() over (partition by sub order by score desc) as od from t ) t where sub='chinese' and score=80;

分页查询

1. hive (test)> select * from (select *, row_number() over () as rn from t) t1 where rn between 1 and 5;

 

 

 

 

 

 

来自为知笔记(Wiz)

附件列表