sql - HiveQL-窗口上多个列的first_value

Question

我正在寻找HiveQL窗口中的第一行和最后一行。
我知道有几种方法可以做到这一点:

在我感兴趣的列上使用 FIRST_VALUE 和 LAST_VALUE 。

SELECT customer,
FIRST_VALUE(product) over (W),
FIRST_VALUE(time) over (W),
LAST_VALUE(product) over (W),
LAST_VALUE(time) over (W)
FROM table
WINDOW W AS (PARTITION BY customer ORDER BY COST)

计算每行的 ROW_NUMBER()，并为row_number = 1使用where子句。

WITH table_wRN AS  
(
    SELECT *,
    row_number() over (partition by customer order by cost ASC) rn_B,
    row_number() over (partition by customer order by cost DESC) rn_E
    FROM table 
),
table_first_last AS
(
SELECT *
FROM table_wRN 
WHERE (rn_E=1 OR rn_B=1)
)

SELECT table_first.customer,
table_first.product, table_first.time,
table_last.product, table_last.time
FROM table_first_last as table_first WHERE table_first_last.rn_B=1
JOIN table_first_last as table_last WHERE table_first_last.rn_E=1
ON table_first.customer = table_last.customer

我的问题:

有谁知道这两个中哪个更有效？

凭直觉，我认为第一个应该更快，因为不需要子查询或CTE。

实验上，我觉得第二个更快，但这可能是因为我在许多列上运行first_value。

是否有一种方法可以一次应用first_value并检索多列。

我希望减少开窗/评估窗口的次数(类似于缓存窗口)

伪代码示例:

FIRST_VALUE(product,time) OVER (W) AS product_first, time_first

谢谢!

Answer 1

我几乎可以肯定，第一个会更有效率。我的意思是两个窗口函数与两个窗口函数，过滤和两个联接？

乘以列数后，可能会出现一个更快的问题。就是说，看看执行计划。我希望所有使用相同窗口框架规范的窗口函数都将使用相同的“窗口”处理，并对每个值进行微调。

Hive对复杂数据类型(例如字符串和数组)没有很好的支持。在这样做的数据库中，提供一个复杂的类型很容易。