应用场景

(1)用于分区排序

(2)Top N

(3)层次查询

常用分析函数

| 分析函数 | 描述 | | --- | --- | | RANK | 返回数据项在分区中的排名。排名值序列可能会有间隔 | | DENSE_RANK | 返回数据项在分区中的排名。排名值序列是连续的，没有间隔 | | PERCENT_RANK | 计算当前行的百分比排名:(x - 1)/(窗口分区中的行数 - 1) | | CUME_DIST | 统计小于或等于当前值的行数占总行数的比例：

x/分区行数 | | ROW_NUMBER | 确认分区中当前行的序号 | | NTILE | 将每个分区的行尽可能均匀地划分为指定数量的分组 |

语法：analytics_functions over() clause

准备了一个表，用于测试：

create table test.gid_pv(

gid string comment '商品ID'

,dt string comment '日期'

,pv string comment '访问次数'

) comment '商品访问次数'

row format delimited

fields terminated by ','

collection items terminated by '\n'

stored as textfile

;

数据如下：

0006D2BC-4DF9-4C0B-83AD-0183789E78D4 2020-01-10 1

0006D2BC-4DF9-4C0B-83AD-0183789E78D4 2020-01-11 5

0006D2BC-4DF9-4C0B-83AD-0183789E78D4 2020-01-12 7

0006D2BC-4DF9-4C0B-83AD-0183789E78D4 2020-01-13 3

0006D2BC-4DF9-4C0B-83AD-0183789E78D4 2020-01-14 2

0006D2BC-4DF9-4C0B-83AD-0183789E78D4 2020-01-15 4

0006D2BC-4DF9-4C0B-83AD-0183789E78D4 2020-01-16 4

993BD7AD-3B62-BA0C-15AE-A14B85921889 2020-01-10 2

993BD7AD-3B62-BA0C-15AE-A14B85921889 2020-01-11 9

993BD7AD-3B62-BA0C-15AE-A14B85921889 2020-01-12 3

993BD7AD-3B62-BA0C-15AE-A14B85921889 2020-01-13 1

993BD7AD-3B62-BA0C-15AE-A14B85921889 2020-01-14 1

993BD7AD-3B62-BA0C-15AE-A14B85921889 2020-01-15 8

993BD7AD-3B62-BA0C-15AE-A14B85921889 2020-01-16 2

RANK函数会返回数据项在分区中的排名。OVER子句中的ORDER BY语句来确定根据哪个值进行排名。如果多行中的排序值相同，则会有相同的排名。如果有排名相同的情况下，则会在名次中留下空位。例如，如果两行排名为3，则下一个排名为5。DENSE_RANK()不会出现这种情况，具体可以对比一下

select

gid

,dt

,pv

,rank() over (partition by gid order by pv desc) as pre_total_pv_rank

,dense_rank() over (partition by gid order by pv desc) as pre_total_pv_dense_rank

from test.gid_pv

order by

gid

,dt

;

上面的两个是排序函数，如果只想给当前行编个号呢？

select

gid

,dt

,pv

,row_number() over (partition by gid order by pv) as pre_total_pv_row_number

from test.gid_pv

order by

gid

,dt

;

CUME_DIST函数计算分区中当前行的相对排名：(前面的行数)/(分区中的总行数)

如果有相等值的行(取决于OVER子句中的order by)：(前面的行数+相等值行数)/(分区中的总行数)一般默认升序即可。

select

gid

,dt

,pv

-- (前面的行数)/(分区中的总行数),如果有相等值的行:(前面的行数+相等值行数)/(分区中的总行数),cume_dist() over (partition by gid order by pv) as pre_total_pv_cume_dist

from test.gid_pv

order by

gid

,dt

;

结果数据：

如果想把某个分组内分成比较均匀的几份，可以使用 ntile 函数：(比如想要统计消费金额前 50%的用户的平均消费，可以按照消费金额排序，分成 2 份。)

select

gid

,dt

,pv

,ntile(4) over (partition by gid order by pv) as pre_total_pv_ntile

from test.gid_pv

order by

gid

,dt

;

结果如下：

参考

订阅