本文共 885 字，大约阅读时间需要 2 分钟。

Hive排序与窗口函数详解

Hive排序方法

在Hive中，数据排序主要通过以下几种方式实现：

• 全局排序 (order by): 使用 order by 对所有数据进行排序，且 reduce 函数仅有一个。
• 自定义排序 (sort by): 在 sort by 内部定义排序逻辑。
• 分区排序 (distribute by): 根据指定字段进行数据分区，并对存储字段进行排序。
• 聚集排序 (cluster by): 当分区条件与排序条件相同时，使用 cluster by。
• 分组排序 (group by): 用于单纯的分组操作，通常与聚合函数配合使用。
• 分区查询 (partition by): 用于辅助查询，缩小数据范围，加速检索并对数据进行管理。

Hive窗口函数

Hive 提供多种窗口函数，主要用于聚合和分析任务，以下是常用窗口函数及其用途：

• over(): 用于定义窗口范围，常用于后续聚合函数。
• row_number(): 为排序后的数据生成唯一行号，不含重复序号。
• rank(): 计算数据的排名，相同数据可设置为密集排名（DENSE_RANK()）。
• LAG(): 获取窗口内前面的值（默认为前一个值）。
• LEAD(): 获取窗口内后面的值（默认为后一个值）。
• LAST_VALUE(): 获取分组内排序后的最后一个值。
• FIRST_VALUE(): 获取分组内排序后的第一个值。
• PRECEDING(): 获取窗口内前面所有值。
• FOLLOWING(): 获取窗口内后面所有值。
• CURRENT ROW(): 获取当前行数据。

窗口函数与分析函数的区别

• 窗口函数：针对每个分组返回多行数据。
• 分析函数：针对每个分组返回一行数据。

窗口函数应用场景

窗口函数广泛应用于以下场景：

寄语

“温故而知新，可以为师矣。”

转载地址：http://uxnv.baihongyu.com/