【大数据Hive3.x数仓开发】窗口函数案例：连续N次登录的用户；级联累加求和；分组TopN

对窗口函数的讲解part见：【大数据Hive3.x数仓开发】函数–窗口函数

1 统计连续N次登录的用户（N>=2）

自连接过滤实现

连续两天登陆的用户ID：

select distinct a_userid
from tb_login_tmp
where a.user_id = b.user_id
and cast(substr(a_logintime,9,2) as int) -1 = cast(substr(b_logintime,9,2)as int);

窗口函数lead()实现

功能:用于从当前数据中基于当前行的数据向后偏移取值
语法:lead(colName，N，defautValue)

colName:取哪一列的值
N:向后偏移N行
defaultValue:如果取不到返回的默认值

分析：
我们可以基于用户的登陆信息，找到如下规律:
连续两天登陆:用户下次登陆时间 =本次登陆以后的第二天
连续三天登陆:用户下下次登陆时间=本次登陆以后的第三天
我们可以对用户ID进行分区，按照登陆时间进行排序，通过lead函数计算出用户下次登陆时间
通过日期函数计算出登陆以后第二天的日期，如果相等即为连续两天登录。

selectuserid,logintime--本次登陆日期的第二天,date_add(logintime,1) as nextday--按照用户id分区，按照登录日期排序，取下一次登录时间，取不到就为0,lead(logintime,1,0) over (partition by userid order by logintime) as nextlogin
from tb_login;

selectuiserid,logintime--本次登陆日期的第三天,date_add(login_time,2) as nextday--按照用户id分区，按照登陆日期排序，取下下一次登录时间，取不到为0,lead(logintime,2,0)over (partition by userid order by logintime) as nextlogin
from tb_login;

selectuserid,logintime,date_add(login_time,N-1) as nextday--按照用户id分区，按照登陆日期排序，取下下一次登录时间，取不到为0,lead(logintime,N-1,0)over (partition by userid order by logintime) as nextlogin
from tb_login;

2 级联累加求和

自连接

方案一：分组统计每个用户每个月的消费金额，然后构建自连接，根据条件分组聚合；

selecta.*,b.*
from tb_money_mth a join tb_mponey_mth b on a.ueserid=b.userid;

小tips:使用on a.ueserid=b.userid避免很多不必要的自连接！仔细观察笛卡尔积之后的数据，便于理解：

where b.mth <a.mth --图中是排过序的

所以，最后自连接这样写:

--同个用户 同一个月的数据分到同一组 再根据用户、月份排序
selecta.userid,a.mth,max(a.m_money) as current)_mth_money--当月花费,sum(b.m_money) as accumulate_money--累计花费
from tb_money_mtn a join tb_money_mtn b on a.userid=b.userid
where b.mth<=a.mth
group by a.userid,a.mth
order by a.userid,a.mth;

可以看到代码很复杂，而且代码提前创建了tb_money_mtn 这个临时表，不然代码要实现嵌套查询。

窗口函数sum()实现

方案二：分组统计每个用户每个月的消费金额，然后使用窗口聚合函数实现。

--统计每个用户每个月消费金额及累计总金额
selectuserid,mth,m_money,sum(m_money) over (partition by userid order by mth) as t_money
from tb_money_mtn;

Q：如何实现只计算最近三个月的累计消费金额呢？
—使用rows between 来控制累积的行范围。

比如向前一行到向后两行：(partition by userid order by mth rows between 1 preceding and 2 following)

3 分组TopN问题

基于row_number实现，按照部门分区，每个部门内部按照薪水降序排序。

selectempno,ename,salary,deptno,row_number() over (partition by deptno order by salary desc) as rn
from tb_emp;

然后取rn<3的即可。