热门标签 | HotTags
当前位置:  开发笔记 > 运维 > 正文

Hive分析窗口函数(二)NTILE,ROW_NUMBER,RANK,DENSE_RANK

问题导读:1.NTILE作用是什么?2.按照pv降序排列,生成分组内每天的pv名次可使用哪个窗口函数?3.RANK和DENSE_RANK作用是什么?接上篇:Hive分析窗口函数(一)SUM,AVG,MIN,MAX本文中介绍前几个序列函数,NTILE,ROW_NUMBER,RANK,DENSE_RANK,下面会一

问题导读: 1.NTILE作用是什么? 2.按照pv降序排列,生成分组内每天的pv名次可使用哪个窗口函数? 3.RANK 和 DENSE_RANK作用是什么? 接上篇:Hive分析窗口函数(一)SUM,AVG,MIN,MAX 本文中介绍前几个序列函数,NTILE,ROW_NUMBER,RANK,DENSE_RANK,下面会一


问题导读:
1.NTILE作用是什么?
2.按照pv降序排列,生成分组内每天的pv名次可使用哪个窗口函数?
3.RANK 和 DENSE_RANK作用是什么?

接上篇:Hive分析窗口函数(一)SUM,AVG,MIN,MAX


本文中介绍前几个序列函数,NTILE,ROW_NUMBER,RANK,DENSE_RANK,下面会一一解释各自的用途。
Hive版本为 apache-hive-0.13.1

注意: 序列函数不支持WINDOW子句。
(什么是WINDOW子句,Hive分析窗口函数(一)SUM,AVG,MIN,MAX)

数据准备:


COOKIE1,2015-04-10,1
    COOKIE1,2015-04-11,5
    COOKIE1,2015-04-12,7
    COOKIE1,2015-04-13,3
    COOKIE1,2015-04-14,2
    COOKIE1,2015-04-15,4
    COOKIE1,2015-04-16,4
    COOKIE2,2015-04-10,2
    COOKIE2,2015-04-11,3
    COOKIE2,2015-04-12,5
    COOKIE2,2015-04-13,6
    COOKIE2,2015-04-14,3
    COOKIE2,2015-04-15,9
    COOKIE2,2015-04-16,7
     
    CREATE EXTERNAL TABLE lxw1234 (
    COOKIEid string,
    createtime string, --day
    pv INT
    ) ROW FORMAT DELIMITED
    FIELDS TERMINATED BY ','
    stored as textfile location '/tmp/lxw11/';
     
    DESC lxw1234;
    COOKIEid STRING
    createtime STRING
    pv INT
     
    hive> select * from lxw1234;
    OK
    COOKIE1 2015-04-10 1
    COOKIE1 2015-04-11 5
    COOKIE1 2015-04-12 7
    COOKIE1 2015-04-13 3
    COOKIE1 2015-04-14 2
    COOKIE1 2015-04-15 4
    COOKIE1 2015-04-16 4
    COOKIE2 2015-04-10 2
    COOKIE2 2015-04-11 3
    COOKIE2 2015-04-12 5
    COOKIE2 2015-04-13 6
    COOKIE2 2015-04-14 3
    COOKIE2 2015-04-15 9
    COOKIE2 2015-04-16 7


NTILE
NTILE(n),用于将分组数据按照顺序切分成n片,返回当前切片值
NTILE不支持ROWS BETWEEN,比如 NTILE(2) OVER(PARTITION BY COOKIEid ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND CURRENT ROW)
如果切片不均匀,默认增加第一个切片的分布


 SELECT
    COOKIEid,
    createtime,
    pv,
    NTILE(2) OVER(PARTITION BY COOKIEid ORDER BY createtime) AS rn1,        --分组内将数据分成2片
    NTILE(3) OVER(PARTITION BY COOKIEid ORDER BY createtime) AS rn2, --分组内将数据分成3片
    NTILE(4) OVER(ORDER BY createtime) AS rn3 --将所有数据分成4片
    FROM lxw1234
    ORDER BY COOKIEid,createtime;
     
    COOKIEid day pv rn1 rn2 rn3
    -------------------------------------------------
    COOKIE1 2015-04-10 1 1 1 1
    COOKIE1 2015-04-11 5 1 1 1
    COOKIE1 2015-04-12 7 1 1 2
    COOKIE1 2015-04-13 3 1 2 2
    COOKIE1 2015-04-14 2 2 2 3
    COOKIE1 2015-04-15 4 2 3 3
    COOKIE1 2015-04-16 4 2 3 4
    COOKIE2 2015-04-10 2 1 1 1
    COOKIE2 2015-04-11 3 1 1 1
    COOKIE2 2015-04-12 5 1 1 2
    COOKIE2 2015-04-13 6 1 2 2
    COOKIE2 2015-04-14 3 2 2 3
    COOKIE2 2015-04-15 9 2 3 4
    COOKIE2 2015-04-16 7 2 3 4


比如,统计一个COOKIE,pv数最多的前1/3的天

SELECT
    COOKIEid,
    createtime,
    pv,
    NTILE(3) OVER(PARTITION BY COOKIEid ORDER BY pv DESC) AS rn
    FROM lxw1234;
     
    --rn = 1 的记录,就是我们想要的结果
     
    COOKIEid day pv rn
    ----------------------------------
    COOKIE1 2015-04-12 7 1
    COOKIE1 2015-04-11 5 1
    COOKIE1 2015-04-15 4 1
    COOKIE1 2015-04-16 4 2
    COOKIE1 2015-04-13 3 2
    COOKIE1 2015-04-14 2 3
    COOKIE1 2015-04-10 1 3
    COOKIE2 2015-04-15 9 1
    COOKIE2 2015-04-16 7 1
    COOKIE2 2015-04-13 6 1
    COOKIE2 2015-04-12 5 2
    COOKIE2 2015-04-14 3 2
    COOKIE2 2015-04-11 3 3
    COOKIE2 2015-04-10 2 3


ROW_NUMBER() –从1开始,按照顺序,生成分组内记录的序列
–比如,按照pv降序排列,生成分组内每天的pv名次
ROW_NUMBER() 的应用场景非常多,再比如,获取分组内排序第一的记录;获取一个session中的第一条refer等。

SELECT
    COOKIEid,
    createtime,
    pv,
    ROW_NUMBER() OVER(PARTITION BY COOKIEid ORDER BY pv desc) AS rn
    FROM lxw1234;
     
    COOKIEid day pv rn
    -------------------------------------------
    COOKIE1 2015-04-12 7 1
    COOKIE1 2015-04-11 5 2
    COOKIE1 2015-04-15 4 3
    COOKIE1 2015-04-16 4 4
    COOKIE1 2015-04-13 3 5
    COOKIE1 2015-04-14 2 6
    COOKIE1 2015-04-10 1 7
    COOKIE2 2015-04-15 9 1
    COOKIE2 2015-04-16 7 2
    COOKIE2 2015-04-13 6 3
    COOKIE2 2015-04-12 5 4
    COOKIE2 2015-04-14 3 5
    COOKIE2 2015-04-11 3 6
    COOKIE2 2015-04-10 2 7

RANK 和 DENSE_RANK
—RANK() 生成数据项在分组中的排名,排名相等会在名次中留下空位
—DENSE_RANK() 生成数据项在分组中的排名,排名相等会在名次中不会留下空位

  SELECT
    COOKIEid,
    createtime,
    pv,
    RANK() OVER(PARTITION BY COOKIEid ORDER BY pv desc) AS rn1,
    DENSE_RANK() OVER(PARTITION BY COOKIEid ORDER BY pv desc) AS rn2,
    ROW_NUMBER() OVER(PARTITION BY COOKIEid ORDER BY pv DESC) AS rn3
    FROM lxw1234
    WHERE COOKIEid = 'COOKIE1';
     
    COOKIEid day pv rn1 rn2 rn3
    --------------------------------------------------
    COOKIE1 2015-04-12 7 1 1 1
    COOKIE1 2015-04-11 5 2 2 2
    COOKIE1 2015-04-15 4 3 3 3
    COOKIE1 2015-04-16 4 3 3 4
    COOKIE1 2015-04-13 3 5 4 5
    COOKIE1 2015-04-14 2 6 5 6
    COOKIE1 2015-04-10 1 7 6 7
     
    rn1: 15号和16号并列第3, 13号排第5
    rn2: 15号和16号并列第3, 13号排第4
    rn3: 如果相等,则按记录值排序,生成唯一的次序,如果所有记录值都相等,或许会随机排吧。

推荐阅读
  • 在Hive中合理配置Map和Reduce任务的数量对于优化不同场景下的性能至关重要。本文探讨了如何控制Hive任务中的Map数量,分析了当输入数据超过128MB时是否会自动拆分,以及Map数量是否越多越好的问题。通过实际案例和实验数据,本文提供了具体的配置建议,帮助用户在不同场景下实现最佳性能。 ... [详细]
  • HBase在金融大数据迁移中的应用与挑战
    随着最后一台设备的下线,标志着超过10PB的HBase数据迁移项目顺利完成。目前,新的集群已在新机房稳定运行超过两个月,监控数据显示,新集群的查询响应时间显著降低,系统稳定性大幅提升。此外,数据消费的波动也变得更加平滑,整体性能得到了显著优化。 ... [详细]
  • 在Linux系统中,原本已安装了多个版本的Python 2,并且还安装了Anaconda,其中包含了Python 3。本文详细介绍了如何通过配置环境变量,使系统默认使用指定版本的Python,以便在不同版本之间轻松切换。此外,文章还提供了具体的实践步骤和注意事项,帮助用户高效地管理和使用不同版本的Python环境。 ... [详细]
  • 本文深入探讨了IO复用技术的原理与实现,重点分析了其在解决C10K问题中的关键作用。IO复用技术允许单个进程同时管理多个IO对象,如文件、套接字和管道等,通过系统调用如`select`、`poll`和`epoll`,高效地处理大量并发连接。文章详细介绍了这些技术的工作机制,并结合实际案例,展示了它们在高并发场景下的应用效果。 ... [详细]
  • 通过以下步骤可以确定SharePoint网站集对应的W3WP进程及其运行状态:首先,打开命令提示符(CMD),然后输入 `iisapp` 命令,该命令将列出当前IIS中所有Web应用程序及其对应的w3wp.exe进程。此外,还可以使用任务管理器或PowerShell脚本来进一步检查这些进程的详细信息和运行状态,以确保网站集的正常运行。 ... [详细]
  • 利用Apache构建高效稳定的Web服务器环境
    本文详细介绍了如何利用Apache构建高效稳定的Web服务器环境。首先,概述了Apache服务器的基本概念及其安装步骤,并深入探讨了相关配置文件的设置方法。接着,通过具体的实验环境示例,展示了服务端(域名:zhangpp63.cn,IP地址:192.168.1.63)和客户端的配置过程,确保读者能够全面理解并实际应用这些技术。此外,还提供了一些优化建议,以提高服务器的性能和稳定性。 ... [详细]
  • 在Linux环境下,本文详细探讨了Apache服务器中CGI技术的应用与实现。首先,通过使用yum包管理器安装了必要的软件,如PHP。安装完成后,对Apache服务器进行了配置,确保CGI功能正常运行。此外,还介绍了如何编写和调试CGI脚本,以及如何在实际环境中部署这些脚本以提供动态网页内容。实验结果表明,通过合理的配置和优化,Apache服务器能够高效地支持CGI应用程序,为用户提供丰富的交互体验。 ... [详细]
  • 本文深入解析了 Apache 配置文件 `httpd.conf` 和 `.htaccess` 的优化方法,探讨了如何通过合理配置提升服务器性能和安全性。文章详细介绍了这两个文件的关键参数及其作用,并提供了实际应用中的最佳实践,帮助读者更好地理解和运用 Apache 配置。 ... [详细]
  • 在《PHP应用性能优化实战指南:从理论到实践的全面解析》一文中,作者分享了一次实际的PHP应用优化经验。文章回顾了先前进行的一次优化项目,指出即使系统运行时间较长后出现的各种问题和性能瓶颈,通过采用一些通用的优化策略仍然能够有效解决。文中不仅详细阐述了优化的具体步骤和方法,还结合实例分析了优化前后的性能对比,为读者提供了宝贵的参考和借鉴。 ... [详细]
  • HBase客户端Table类中getRpcTimeout方法的应用与编程实例解析 ... [详细]
  • 深入解析Tomcat:开发者的实用指南
    深入解析Tomcat:开发者的实用指南 ... [详细]
  • HTTP协议作为互联网通信的基础,其重要性不言而喻。相比JDK自带的URLConnection,HttpClient不仅提升了易用性和灵活性,还在性能、稳定性和安全性方面进行了显著优化。本文将深入解析HttpClient的使用方法与技巧,帮助开发者更好地掌握这一强大的工具。 ... [详细]
  • MongoDB Aggregates.group() 方法详解与编程实例 ... [详细]
  • 技术日志:深入探讨Spark Streaming与Spark SQL的融合应用
    技术日志:深入探讨Spark Streaming与Spark SQL的融合应用 ... [详细]
  • 如何利用Apache与Nginx高效实现动静态内容分离
    如何利用Apache与Nginx高效实现动静态内容分离 ... [详细]
author-avatar
难耐五更寒
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有