Hive窗口函数

参考地址：https://cwiki.apache.org/confluence/display/Hive/LanguageManual+WindowingAndAnalytics

环境准备：

CREATE TABLE `wtab`(
  `a` int,
  `b` int,
  `c` int);

　　

数据：

1、LEAD函数

LEAD (scalar_expression [,offset] [,default]) OVER ([query_partition_clause] order_by_clause); The LEAD function is used to return data from the next row.

lead函数主要是返回窗口中列名为：scalar_expression偏移为offset的值，如果不存在则返回NULL，窗口使用over划分，具体划分参考示例：

 SELECT a, LEAD(a,1,9999) OVER (PARTITION BY b ORDER BY C) from wtab;

PARTITION BY 表示根据字段b划分窗口，就是b值相同的划分到一个窗口，ORDER BY 表示窗口内部按照字段C进行排序。此条查询结果为：

以b=1为例讲解，b相同的都在一个窗口按照c排序之后结果为：

这个就是b=1的窗口，a=1下面offset=1的数据为11，所以查询结果为：1 11 ；其他同理。

2、LAG函数

LAG  (scalar_expression [,offset] [,default]) OVER ([query_partition_clause] order_by_clause); The LAG function is used to access data from a previous row.

lag函数与lead函数相反，是向上offset取row，如果row不存在则返回默认值。示例：

 SELECT a, LAG(a, 2, 66666) OVER (PARTITION BY b ORDER BY C) from wtab;

根据字段b划分窗口之后向上offset=2取row，没有的话返回6666

 3:  FIRST_VALUE(columnName,isSkipNull) 函数

划分窗口之后，取columnName第一个值，第二个参数指定是否忽略null，默认false，示例：

SELECT a, FIRST_VALUE(a,true) OVER (PARTITION BY b ORDER BY C) from wtab;

　

查询结果

同理LAST_VALUE取当前窗口的最后一个值！如果只是select last_value(a) from table 这种事窗口内全部元素到达之后采取；如果是 select a, last_value(a) from table这种形式是当前a的值的当前窗口取最后一个，当排序的key存在重复值的时候，取值存在不确定。例如数据为：

查询为：

会发现b=1的窗口的last_value有点与预期不一样，这就是由于排序的字段c存在相同的值，由于每一row到达顺序不一样导致结果存在不确定性。但是对于b=155的窗口，字段c不存在重复值，这样就不会存在不确定性！！！！first_value同理，当半路来一个更小的值可能就存在不确定性，

因此：first_value与last_value不要和函数内部使用的字段联合查询：例如select last_value(a),a 这种就是联合查询了，函数内部字段a，外面还有字段a，此时窗口是根据当前字段a的值确定的当前窗口取first或者last.

3：

• COUNT
• SUM
• MIN
• MAX
• AVG

这几个函数就是窗口内的聚集函数，没有特别之处，partition by 可以按照多个字段划分窗口

待补充：https://blog.csdn.net/qq_20641565/article/details/52841345