hive 统计各项目下排名前5的问题种类

实现指定某项目下的数据效果图如下所示：

其中 ABCDE 为前5名的问题种类，其中A问题有124个（出现了124次）

数据说明：

• 整个数据集 包含很多项目
• 一个项目 包含很多问题
• 一个问题 选项 可认为是 类别值，所有出现的问题都落在这些类别范围内

需求梳理：前5名的排名依据于 问题数量，而不是按照某字段排序，而问题数量是按照 项目 + 问题 分组后统计的数量。

分步处理：
1.先分组统计，查询数据（屏蔽真实表和字段，但逻辑不变）

select 项目, 问题,count(*) as numfrom 表GROUP BY 项目, 问题

结果：

可以看到上述部分截图中 有3个项目，分别是 0001/0009/0002，
其中 前2行和后2行都是 项目 0001的数据，表示它下面的4个问题种类 以及 统计数量。

2.把上述结果作为一张逻辑表，按照其中的数量字段 使用开窗函数 降序排序：

SELECT * FROM 
(SELECT 项目, 问题, 数量,row_number() over(partition BY 项目 order by 数量 desc) as rn FROM (select 项目, 问题,count(*) as 数量from 表名GROUP BY 项目, 问题) x
) x8c

结果如下所示：这是项目 0001 下排名前10的 问题 + 数量

项目0004的数据。。

到这一步，我们得到了每个项目下 的 所有问题，并且 问题按 数量倒序排名，还差最后一步：每个项目，只取排名前5的问题数据。

3. 其实，我们只需要在上一步的sql 中 加上 where 条件过滤即可：
   where 排名 <= 5 FYI: 根据业务相应调整。

SELECT * FROM 
(SELECT 项目, 问题, 数量,row_number() over(partition BY 项目 order by 数量 desc) as rn FROM (select 项目, 问题,count(*) as 数量from 表名GROUP BY 项目, 问题) x
) x8c
where rn <= 5