[hive] 窗口函数 ROW_NUMBER()

ROW_NUMBER()

在 Hive SQL 中，ROW_NUMBER()是一个用于生成行号的窗口函数。

它可以为查询结果集中的每一行分配一个唯一的行号。

以下是 ROW_NUMBER() 函数的基本语法：

ROW_NUMBER() OVER (PARTITION BY column1, column2, ... ORDER BY column3, column4, ...)

• PARTITION BY 子句可选，用于指定分区列，它将结果集划分为不同的分区。
  每个分区内的行都会有独立的行号计数，即行号从1开始重新计数。

• ORDER BY 子句用于指定排序列，它决定了如何对分区内的行进行排序。
  行号将根据指定的排序顺序进行分配。

ROW_NUMBER() 函数可以与其他窗口函数（如 RANK() 和 DENSE_RANK()）一起使用，以便对查询结果进行更复杂的分析和排序操作。

下面是一个示例，演示如何在 Hive SQL 中使用 ROW_NUMBER() 函数：

SELECT column1, column2, ..., ROW_NUMBER() OVER (ORDER BY column3) as row_num
FROM your_table_name;

在这个示例中，column1、column2 等是查询结果集中的列名，your_table_name 是包含这些列的表名。

ROW_NUMBER() 函数通过 ORDER BY column3 按照 column3 列的值对结果集进行排序，

并为每一行分配一个行号，该行号将在结果集中的 row_num 列中显示。

请注意，ROW_NUMBER() 函数生成的行号是根据指定的排序顺序计算的，并且不会考虑分区之间的顺序。如果需要在分区内进行排序，请使用 ORDER BY 子句来定义排序列

示例

当我们有一个名为 employees 的表，包含以下列：

• employee_id
• first_name
• last_name

我们希望为每个员工生成一个行号，并按照 employee_id 进行升序排序。

可以使用 ROW_NUMBER() 函数来实现这个需求，示例代码如下：

SELECT employee_id, first_name, last_name, ROW_NUMBER() OVER (ORDER BY employee_id) AS row_num
FROM employees;

运行以上查询后，将会得到一个结果集，其中包含每个员工的 employee_id、first_name、last_name 以及对应的行号 row_num。

行号将根据 employee_id 的升序顺序分配。

示例输出可能如下所示：

+-------------+------------+-----------+---------+
| employee_id | first_name | last_name | row_num |
+-------------+------------+-----------+---------+
| 1           | John       | Doe       | 1       |
| 2           | Jane       | Smith     | 2       |
| 3           | David      | Johnson   | 3       |
| 4           | Sarah      | Williams  | 4       |
+-------------+------------+-----------+---------+

在这个示例中，每个员工都被赋予了一个唯一的行号，行号按照 employee_id 的升序进行分配。

窗口函数

窗口函数（Window Function）是一种在查询结果的特定窗口或分区上进行计算的函数。

它可以对查询结果集中的每一行应用聚合、排序或其他操作，并生成与该行相关的结果。

窗口函数通常与 OVER 子句一起使用，该子句定义了窗口的范围和排序方式。

通过指定 PARTITION BY 子句，可以将结果集划分为不同的分区，每个分区内的行将独立计算。

通过指定 ORDER BY 子句，可以对分区内的行进行排序，以确定窗口函数的计算顺序。

窗口函数可以用于执行各种分析任务，如计算排名、计算累计值、计算移动平均等。

常见的窗口函数包括 ROW_NUMBER()、RANK()、DENSE_RANK()、SUM()、AVG()、LEAD()、LAG() 等。

下面是一个示例，演示如何使用窗口函数在一个表中计算每个部门的销售总额，并按照销售总额降序排序：

SELECT department, SUM(sales) OVER (PARTITION BY department ORDER BY sales DESC) AS total_sales
FROM sales_table;

在这个示例中，sales_table 是包含销售数据的表，其中包含 department 列和 sales 列。通过使用 SUM() 窗口函数，我们在每个部门内按照销售额降序计算累计销售总额。

• PARTITION BY department 子句将结果集划分为不同的部门，

• ORDER BY sales DESC 子句根据销售额降序排序。

窗口函数的输出将作为查询结果的一部分返回，并与其他列一起显示。

它为每一行提供了一个与该行相关的计算结果，而不会对整个结果集进行聚合或过滤。这使得窗口函数成为一种强大的工具，可以在查询中进行灵活的分析和计算。

假设 sales_table 表包含以下数据：

+------------+-------+
| department | sales |
+------------+-------+
| A          | 100   |
| B          | 200   |
| A          | 150   |
| B          | 300   |
| A          | 120   |
| B          | 250   |
+------------+-------+

使用上述示例查询，将会得到如下输出：

+------------+-------------+
| department | total_sales |
+------------+-------------+
| A          | 370         |
| A          | 270         |
| A          | 100         |
| B          | 750         |
| B          | 550         |
| B          | 200         |
+------------+-------------+

在这个示例中，我们按照 department 列进行分区，并按照 sales 列降序排序。然后，对每个部门内的行进行累计求和，得到每个部门的销售总额。注意，结果集中的行顺序与原始数据的顺序可能不同，因为窗口函数会重新排序。

对于部门 A，第一行的销售总额是 370，它等于前三行的销售额之和（150 + 120 + 100）。第二行的销售总额是 270，它等于前两行的销售额之和（120 + 100）。第三行的销售总额是 100，它等于当前行的销售额。

对于部门 B，第一行的销售总额是 750，它等于前三行的销售额之和（300 + 250 + 200）。第二行的销售总额是 550，它等于前两行的销售额之和（250 + 200）。第三行的销售总额是 200，它等于当前行的销售额。

因此，查询的输出结果按照部门和销售总额进行显示。每个部门的销售总额按照降序排列。