Hive分析窗口函数(一) SUM,AVG,MIN,MAX

Hive分析窗口函数(一) SUM,AVG,MIN,MAX

Hive中提供了越来越多的分析函数，用于完成负责的统计分析。抽时间将所有的分析窗口函数理一遍，将陆续发布。

今天先看几个基础的，SUM、AVG、MIN、MAX。

用于实现分组内所有和连续累积的统计。

数据准备

1. CREATE EXTERNAL TABLE lxw1234 (
2. cookieid string,
3. createtime string, --day
4. pv INT
5. ) ROW FORMAT DELIMITED
6. FIELDS TERMINATED BY ‘,‘
7. stored as textfile location ‘/tmp/lxw11/‘;
8. DESC lxw1234;
9. cookieid STRING
10. createtime STRING
11. pv INT
12. hive> select * from lxw1234;
13. OK
14. cookie1 2015-04-10 1
15. cookie1 2015-04-11 5
16. cookie1 2015-04-12 7
17. cookie1 2015-04-13 3
18. cookie1 2015-04-14 2
19. cookie1 2015-04-15 4
20. cookie1 2015-04-16 4

SUM — 注意,结果和ORDER BY相关,默认为升序

1. SELECT cookieid,
2. createtime,
3. pv,
4. SUM(pv) OVER(PARTITION BY cookieid ORDER BY createtime) AS pv1, -- 默认为从起点到当前行
5. SUM(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS pv2, --从起点到当前行，结果同pv1
6. SUM(pv) OVER(PARTITION BY cookieid) AS pv3, --分组内所有行
7. SUM(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND CURRENT ROW) AS pv4, --当前行+往前3行
8. SUM(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND 1 FOLLOWING) AS pv5, --当前行+往前3行+往后1行
9. SUM(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) AS pv6 ---当前行+往后所有行
10. FROM lxw1234;
11. cookieid createtime pv pv1 pv2 pv3 pv4 pv5 pv6
12. -----------------------------------------------------------------------------
13. cookie1 2015-04-10 1 1 1 26 1 6 26
14. cookie1 2015-04-11 5 6 6 26 6 13 25
15. cookie1 2015-04-12 7 13 13 26 13 16 20
16. cookie1 2015-04-13 3 16 16 26 16 18 13
17. cookie1 2015-04-14 2 18 18 26 17 21 10
18. cookie1 2015-04-15 4 22 22 26 16 20 8
19. cookie1 2015-04-16 4 26 26 26 13 13 4

pv1: 分组内从起点到当前行的pv累积，如，11号的pv1=10号的pv+11号的pv, 12号=10号+11号+12号
pv2: 同pv1
pv3: 分组内(cookie1)所有的pv累加
pv4: 分组内当前行+往前3行，如，11号=10号+11号， 12号=10号+11号+12号， 13号=10号+11号+12号+13号， 14号=11号+12号+13号+14号
pv5: 分组内当前行+往前3行+往后1行，如，14号=11号+12号+13号+14号+15号=5+7+3+2+4=21
pv6: 分组内当前行+往后所有行，如，13号=13号+14号+15号+16号=3+2+4+4=13，14号=14号+15号+16号=2+4+4=10

如果不指定ROWS BETWEEN,默认为从起点到当前行;
如果不指定ORDER BY，则将分组内所有值累加;
关键是理解ROWS BETWEEN含义,也叫做WINDOW子句：
PRECEDING：往前
FOLLOWING：往后
CURRENT ROW：当前行
UNBOUNDED：起点，UNBOUNDED PRECEDING 表示从前面的起点， UNBOUNDED FOLLOWING：表示到后面的终点

–其他AVG，MIN，MAX，和SUM用法一样。

1. --AVG
2. SELECT cookieid,
3. createtime,
4. pv,
5. AVG(pv) OVER(PARTITION BY cookieid ORDER BY createtime) AS pv1, -- 默认为从起点到当前行
6. AVG(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS pv2, --从起点到当前行，结果同pv1
7. AVG(pv) OVER(PARTITION BY cookieid) AS pv3, --分组内所有行
8. AVG(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND CURRENT ROW) AS pv4, --当前行+往前3行
9. AVG(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND 1 FOLLOWING) AS pv5, --当前行+往前3行+往后1行
10. AVG(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) AS pv6 ---当前行+往后所有行
11. FROM lxw1234;
12. cookieid createtime pv pv1 pv2 pv3 pv4 pv5 pv6
13. -----------------------------------------------------------------------------
14. cookie1 2015-04-10 1 1.0 1.0 3.7142857142857144 1.0 3.0 3.7142857142857144
15. cookie1 2015-04-11 5 3.0 3.0 3.7142857142857144 3.0 4.333333333333333 4.166666666666667
16. cookie1 2015-04-12 7 4.333333333333333 4.333333333333333 3.7142857142857144 4.333333333333333 4.0 4.0
17. cookie1 2015-04-13 3 4.0 4.0 3.7142857142857144 4.0 3.6 3.25
18. cookie1 2015-04-14 2 3.6 3.6 3.7142857142857144 4.25 4.2 3.3333333333333335
19. cookie1 2015-04-15 4 3.6666666666666665 3.6666666666666665 3.7142857142857144 4.0 4.0 4.0
20. cookie1 2015-04-16 4 3.7142857142857144 3.7142857142857144 3.7142857142857144 3.25 3.25 4.0

1. --MIN
2. SELECT cookieid,
3. createtime,
4. pv,
5. MIN(pv) OVER(PARTITION BY cookieid ORDER BY createtime) AS pv1, -- 默认为从起点到当前行
6. MIN(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS pv2, --从起点到当前行，结果同pv1
7. MIN(pv) OVER(PARTITION BY cookieid) AS pv3, --分组内所有行
8. MIN(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND CURRENT ROW) AS pv4, --当前行+往前3行
9. MIN(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND 1 FOLLOWING) AS pv5, --当前行+往前3行+往后1行
10. MIN(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) AS pv6 ---当前行+往后所有行
11. FROM lxw1234;
12. cookieid createtime pv pv1 pv2 pv3 pv4 pv5 pv6
13. -----------------------------------------------------------------------------
14. cookie1 2015-04-10 1 1 1 1 1 1 1
15. cookie1 2015-04-11 5 1 1 1 1 1 2
16. cookie1 2015-04-12 7 1 1 1 1 1 2
17. cookie1 2015-04-13 3 1 1 1 1 1 2
18. cookie1 2015-04-14 2 1 1 1 2 2 2
19. cookie1 2015-04-15 4 1 1 1 2 2 4
20. cookie1 2015-04-16 4 1 1 1 2 2 4

1. ----MAX
2. SELECT cookieid,
3. createtime,
4. pv,
5. MAX(pv) OVER(PARTITION BY cookieid ORDER BY createtime) AS pv1, -- 默认为从起点到当前行
6. MAX(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS pv2, --从起点到当前行，结果同pv1
7. MAX(pv) OVER(PARTITION BY cookieid) AS pv3, --分组内所有行
8. MAX(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND CURRENT ROW) AS pv4, --当前行+往前3行
9. MAX(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND 1 FOLLOWING) AS pv5, --当前行+往前3行+往后1行
10. MAX(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) AS pv6 ---当前行+往后所有行
11. FROM lxw1234;
12. cookieid createtime pv pv1 pv2 pv3 pv4 pv5 pv6
13. -----------------------------------------------------------------------------
14. cookie1 2015-04-10 1 1 1 7 1 5 7
15. cookie1 2015-04-11 5 5 5 7 5 7 7
16. cookie1 2015-04-12 7 7 7 7 7 7 7
17. cookie1 2015-04-13 3 7 7 7 7 7 4
18. cookie1 2015-04-14 2 7 7 7 7 7 4
19. cookie1 2015-04-15 4 7 7 7 7 7 4
20. cookie1 2015-04-16 4 7 7 7 4 4 4

其他函数的介绍将陆续整理发布。。