Hive版本为 apache-hive-0.13.1
备注: 这几个函数不支持WINDOW子句。
数据准备:
1 | CREATE EXTERNAL TABLE lxw1234 ( |
LAG(col,n,DEFAULT) 用于统计窗口内往上第n行值
第一个参数为列名,第二个参数为往上第n行(可选,默认为1),第三个参数为默认值(当往上第n行为NULL时候,取默认值,如不指定,则为NULL)
1 | SELECT cookieid, |
last_1_time: 指定了往上第1行的值,default为’1970-01-01 00:00:00’
cookie1第一行,往上1行为NULL,因此取默认值 1970-01-01 00:00:00
cookie1第三行,往上1行值为第二行值,2015-04-10 10:00:02
cookie1第六行,往上1行值为第五行值,2015-04-10 10:50:01
last_2_time: 指定了往上第2行的值,为指定默认值
cookie1第一行,往上2行为NULL
cookie1第二行,往上2行为NULL
cookie1第四行,往上2行为第二行值,2015-04-10 10:00:02
cookie1第七行,往上2行为第五行值,2015-04-10 10:50:01
LEAD(col,n,DEFAULT),与LAG相反,用于统计窗口内往下第n行值。逻辑与LAG一样,只不过LAG是往上,LEAD是往下。
第一个参数为列名,第二个参数为往下第n行(可选,默认为1),第三个参数为默认值(当往下第n行为NULL时候,取默认值,如不指定,则为NULL)
1 | SELECT cookieid, |
FIRST_VALUE,取分组内排序后,截止到当前行,第一个值
1 | SELECT cookieid, |
LAST_VALUE,取分组内排序后,截止到当前行,最后一个值
1 | SELECT cookieid, |
如果不指定ORDER BY,则默认按照记录在文件中的偏移量进行排序,会出现错误的结果
1 | SELECT cookieid, |
1 | SELECT cookieid, |
如果想要取分组内排序后最后一个值,则需要变通一下:
1 | SELECT cookieid, |
提示:在使用分析函数的过程中,要特别注意ORDER BY子句,用的不恰当,统计出的结果就不是你所期望的。