hive：窗口函数（开窗函数）over

一.简介

我个人的理解，over()就是指定了计算时如何分区，并且限定了计算的范围

1.使用步骤：

1.通过over语句以外的代码确定计算所涉及的所有数据
2.通过over里面的partition将所有数据进行分区
3.通过order里面的order把每个partition里面的数据进行排序
4.通过current now、n preceding等语句确定每行记录所对应的计算范围
5.通过over前面的函数进行计算

2.相关函数及常用关键字：

• partition by：后跟分区字段名，指定数据按照哪个变量来进行分区
• order by：后跟排序字段名，指定区内数据按照哪个变量来进行排序
• rows between…and… ：指定每行记录对应的计算范围。current row当前行，n preceding往前n行，n following往后n行，unbounded preceding第一行，unbounded following最后一行。over括号内没有rows between时，默认计算范围为该行所在分区的全部；当over前面的函数支持rows between、over括号内没有rows between，但有order by时，计算范围为该行所在分区的第一行到该行。
• LAG(col,n,default_val)：表示向前追溯，括号内第一个参数表示对哪个变量进行追溯，第二个参数表示往前追溯几期，最后一个参数表示前面没有记录时用什么来代替。不支持rows between
• LEAD(col,n, default_val)：表示向后追溯，括号内第一个参数表示对哪个变量进行追溯，第二个参数表示往前追溯几期，最后一个参数表示后面没有记录时用什么来代替。不支持rows between
• ntile(n):把指定区域的数据分成几片。不支持rows between

以下用具体实例来介绍over的具体使用方法：

二.实例介绍

1.销售数据

原始数据：

(1)查询在2017年4月份购买过的顾客和顾客人数(同一人多次购买只算一个)

思路：

• step1：
  查找4月份有购买行为的人：

select distinct(name) from business
where substring(orderdate,1,7)='2017-04';

• step2：
  计算4月份一共的购买记录数

select count(distinct name) indi_total
from business
where substring(orderdate,1,7)='2017-04';

• step3:
  考虑如何将这两者结合起来：over函数

select distinct name,Count(distinct name) over() indi_total
from business
where substring(orderdate,1,7)