[Hive]窗口函数与分析函数
本文介绍了用于窗口函数和分析函数的Hive QL增强功能。所有窗口和分析函数操作都按照SQL标准。 当前版本支持以下窗口函数和分析函数：
1 窗口函数
| 窗口函数 | 描述 |
|---|---|
| LAG() | LAG()窗口函数返回分区中当前行之前行（可以指定第几行）的值。 如果没有行，则返回null。 |
| LEAD() | LEAD()窗口函数返回分区中当前行后面行（可以指定第几行）的值。 如果没有行，则返回null。 |
| FIRST_VALUE | FIRST_VALUE窗口函数返回相对于窗口中第一行的指定列的值。 |
| LAST_VALUE | LAST_VALUE窗口函数返回相对于窗口中最后一行的指定列的值。 |
具体参考： [Hive]窗口函数LEAD LAG FIRST_VALUE LAST_VALUE
2 OVER子句
OVER子句可以与标准聚合函数使用(COUNT，SUM，MIN，MAX，AVG)。
OVER可以与一个或多个任何原始数据类型的分区列的PARTITION BY语句使用。
OVER可以与一个或多个任何原始类型的分区列（排序列）的PARTITION BY(ORDER BY)使用。
带有窗口规范的OVER子句。窗口可以在WINDOW子句中单独定义。 窗口规范支持如下格式：
(ROWS | RANGE) BETWEEN (UNBOUNDED | [num]) PRECEDING AND ([num] PRECEDING | CURRENT ROW | (UNBOUNDED | [num]) FOLLOWING)
(ROWS | RANGE) BETWEEN CURRENT ROW AND (CURRENT ROW | (UNBOUNDED | [num]) FOLLOWING)
(ROWS | RANGE) BETWEEN [num] FOLLOWING AND (UNBOUNDED | [num]) FOLLOWING当缺少WINDOW子句并指定使用ORDER BY时，窗口规范默认为RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW，即从第一行到当前行。
当缺少ORDER BY和WINDOW子句时，窗口规范默认为ROW BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING，即第一行到最后一行。
备注
PRECEDING ： 表示当前行之前的行
UNBOUNDED PRECEDING ： 表示当前行之前无边界行，即第一行
num PRECEDING ： 表示当前行之前第num行
CURRENT ROW ： 表示当前行
FOLLOWING ： 表示当前行后面的行
UNBOUNDED FOLLOWING ： 表示当前行后面无边界行，即最后一行
num FOLLOWING : 表示当前行后面第num行
3 分析函数
| 分析函数 | 描述 |
|---|---|
| RANK | 返回数据项在分区中的排名。排名值序列可能会有间隔 |
| DENSE_RANK | 返回数据项在分区中的排名。排名值序列是连续的，不会有间隔 |
| PERCENT_RANK | 计算当前行的百分比排名 |
| ROW_NUMBER | 确定分区中当前行的序号 |
| CUME_DIST | 计算分区中当前行的相对排名 |
| NTILE() | 将每个分区的行尽可能均匀地划分为指定数量的分组 |
具体参考：[Hive]分析函数 RANK ROW_NUMBER CUME_DIST CUME_DIST
4 Distinct （Hive 2.1.0以后版本支持）
Distinct 支持包括SUM，COUNT和AVG的聚合函数，在每个分区不同值上进行聚合（aggregate over the distinct values within each partition）。当前实现具有以下局限性：由于性能原因，在分区子句中不能支持ORDER BY或窗口规范。支持的语法如下：
COUNT(DISTINCT a) OVER (PARTITION BY c)在 Hive 2.2.0 后 Distinct可以支持 ORDER BY 和 窗口规范 (see HIVE-13453)。例如：
COUNT(DISTINCT a)
OVER (PARTITION BY c ORDER BY d ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING)5. OVER子句中支持聚合函数（Hive 2.1.0及以后版本支持）
添加了对在OVER子句中使用聚合函数的支持。 例如，目前我们可以在OVER子句中使用SUM聚合函数，如下所示：
SELECT rank() OVER (ORDER BY sum(b))
FROM T
GROUP BY a;
