Hive学习之路 (十六)Hive分析窗口函数(四) LAG、LEAD、FIRST_VALUE和LAST_VALUE详解大数据

数据准备

数据格式

cookie4.txt

cookie1,2015-04-10 10:00:02,url2 
cookie1,2015-04-10 10:00:00,url1 
cookie1,2015-04-10 10:03:04,1url3 
cookie1,2015-04-10 10:50:05,url6 
cookie1,2015-04-10 11:00:00,url7 
cookie1,2015-04-10 10:10:00,url4 
cookie1,2015-04-10 10:50:01,url5 
cookie2,2015-04-10 10:00:02,url22 
cookie2,2015-04-10 10:00:00,url11 
cookie2,2015-04-10 10:03:04,1url33 
cookie2,2015-04-10 10:50:05,url66 
cookie2,2015-04-10 11:00:00,url77 
cookie2,2015-04-10 10:10:00,url44 
cookie2,2015-04-10 10:50:01,url55

创建表

use cookie; 
drop table if exists cookie4; 
create table cookie4(cookieid string, createtime string, url string)  
row format delimited fields terminated by ','; 
load data local inpath "/home/hadoop/cookie4.txt" into table cookie4; 
select * from cookie4;

 

Hive学习之路 (十六)Hive分析窗口函数(四) LAG、LEAD、FIRST_VALUE和LAST_VALUE详解大数据

玩一玩LAG

说明

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)

查询语句

select  
  cookieid,  
  createtime,  
  url,  
  row_number() over (partition by cookieid order by createtime) as rn,  
  LAG(createtime,1,'1970-01-01 00:00:00') over (partition by cookieid order by createtime) as last_1_time,  
  LAG(createtime,2) over (partition by cookieid order by createtime) as last_2_time  
from cookie.cookie4;

查询结果

Hive学习之路 (十六)Hive分析窗口函数(四) LAG、LEAD、FIRST_VALUE和LAST_VALUE详解大数据

结果说明

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

 

玩一玩LEAD

说明

与LAG相反

LEAD(col,n,DEFAULT) 用于统计窗口内往下第n行值

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)

查询语句

select  
  cookieid,  
  createtime,  
  url,  
  row_number() over (partition by cookieid order by createtime) as rn,  
  LEAD(createtime,1,'1970-01-01 00:00:00') over (partition by cookieid order by createtime) as next_1_time,  
  LEAD(createtime,2) over (partition by cookieid order by createtime) as next_2_time  
from cookie.cookie4;

查询结果

Hive学习之路 (十六)Hive分析窗口函数(四) LAG、LEAD、FIRST_VALUE和LAST_VALUE详解大数据

结果说明

–逻辑与LAG一样,只不过LAG是往上,LEAD是往下。

玩一玩FIRST_VALUE

说明

取分组内排序后,截止到当前行,第一个值

查询语句

select  
  cookieid,  
  createtime,  
  url,  
  row_number() over (partition by cookieid order by createtime) as rn,  
  first_value(url) over (partition by cookieid order by createtime) as first1  
from cookie.cookie4;

查询结果

Hive学习之路 (十六)Hive分析窗口函数(四) LAG、LEAD、FIRST_VALUE和LAST_VALUE详解大数据

玩一玩LAST_VALUE

说明

取分组内排序后,截止到当前行,最后一个值

查询语句

select  
  cookieid,  
  createtime,  
  url,  
  row_number() over (partition by cookieid order by createtime) as rn,  
  last_value(url) over (partition by cookieid order by createtime) as last1  
from cookie.cookie4;

查询结果

Hive学习之路 (十六)Hive分析窗口函数(四) LAG、LEAD、FIRST_VALUE和LAST_VALUE详解大数据

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

Hive学习之路 (十六)Hive分析窗口函数(四) LAG、LEAD、FIRST_VALUE和LAST_VALUE详解大数据

如果想要取分组内排序后最后一个值,则需要变通一下

查询语句

select  
  cookieid,  
  createtime,  
  url,  
  row_number() over (partition by cookieid order by createtime) as rn, 
  LAST_VALUE(url) over (partition by cookieid order by createtime) as last1, 
  FIRST_VALUE(url) over (partition by cookieid order by createtime desc) as last2  
from cookie.cookie4  
order by cookieid,createtime;

查询结果

 Hive学习之路 (十六)Hive分析窗口函数(四) LAG、LEAD、FIRST_VALUE和LAST_VALUE详解大数据

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。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/8989.html

(0)
上一篇 2021年7月19日
下一篇 2021年7月19日

相关推荐

发表回复

登录后才能评论