- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在 Hive 中探索窗口函数,并且能够理解所有 UDF 的功能。虽然,我无法理解我们与其他函数一起使用的分区依据和排序依据。以下是与我计划构建的查询非常相似的结构。
SELECT a, RANK() OVER(partition by b order by c) as d from xyz;
最佳答案
RANK()
分析函数为数据集中每个分区中的每一行分配一个等级。PARTITION BY
子句确定如何分配行(如果是配置单元,则在 reducer 之间)。ORDER BY
确定行在分区中的排序方式。
第一阶段由 分发,数据集中的所有行都分布在分区中。在 map-reduce 中,每个映射器根据 partition by
对行进行分组并为每个分区生成文件。 Mapper 根据 order by
对分区部分进行初始排序.
二期 ,所有行都在每个分区内排序。
在map-reduce中,每个reducer获取mapper产生的分区文件(partitions的一部分),并根据order by
对整个分区中的行进行排序(部分结果的排序)。 .
第三 , rank 函数为分区中的每一行分配等级。正在为每个分区初始化 Rank 函数。
对于分区等级中的第一行,从 1 开始。对于下一行 Rank=previous row rank+1
.具有相同值(按顺序指定)的行给予相同的排名,如果两行共享相同的排名,则下一行排名不连续。
不同的分区可以在不同的 reducer 上并行处理。小分区可以在同一个reducer上处理。 Rank 函数在跨越分区边界时重新初始化,并从每个分区的 rank=1 开始。
示例(行已在分区内分区和排序):
SELECT a, RANK() OVER(partition by b order by c) as d from xyz;
a, b, c, d(rank)
----------------
1 1 1 1 --starts with 1
2 1 1 1 --the same c value, the same rank=1
3 1 2 3 --rank 2 is skipped because second row shares the same rank as first
4 2 3 1 --New partition starts with 1
5 2 4 2
6 2 5 3
dense_rank
功能。
dense_rank
将为上述数据集中的第三行生成 rank=2。
row_number
函数将从 1 开始为分区中的每一行分配一个位置编号。具有相同值的行将收到不同的连续编号。
SELECT a, ROW_NUMBER() OVER(partition by b order by c) as d from xyz;
a, b, c, d(row_number)
----------------
1 1 1 1 --starts with 1
2 1 1 2 --the same c value, row number=2
3 1 2 3 --row position=3
4 2 3 1 --New partition starts with 1
5 2 4 2
6 2 5 3
row_number
或其他此类分析函数可能具有非确定性行为,并且每次运行都会产生不同的数字。上述数据集中的第一行可能会收到数字 2,第二行可能会收到数字 1,反之亦然,因为它们的顺序是不确定的,除非您再添加一列
到
order by
条款。在这种情况下,从运行到运行,所有行将始终具有相同的 row_number,它们的顺序值不同。
关于sql - Hive 中的窗口函数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55909029/
SQL、PL-SQL 和 T-SQL 之间有什么区别? 谁能解释一下这三者之间的区别,并提供每一个的相关使用场景? 最佳答案 SQL 是一种对集合进行操作的查询语言。 它或多或少是标准化的,几乎所有关
这个问题已经有答案了: What is the difference between SQL, PL-SQL and T-SQL? (6 个回答) 已关闭 9 年前。 我对 SQL 的了解足以完成我的
我在数据库中有一个 USER 表。该表有一个 RegistrationDate 列,该列有一个默认约束为 GETDATE()。 使用 LINQ 时,我没有为 RegistrationDate 列提供任
我有一个可能属于以下类型的字符串 string expected result 15-th-rp 15 15/12-rp 12 15-12-th
很难说出这里问的是什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或言辞激烈,无法以目前的形式合理回答。如需帮助澄清此问题以便可以重新打开,visit the help center . 9年前关闭
我有一个存储过程(称为 sprocGetArticles),它从文章表中返回文章列表。这个存储过程没有任何参数。 用户可以对每篇文章发表评论,我将这些评论存储在由文章 ID 链接的评论表中。 有什么方
我目前正在做一个 *cough*Oracle*cough* 数据库主题。讲师介绍embedded SQL作为让其他语言(例如 C、C++)与(Oracle)数据库交互的方式。 我自己做了一些数据库工作
SQL Server 中 SQL 语句的最大长度是多少?这个长度是否取决于 SQL Server 的版本? 例如,在 DECLARE @SQLStatement NVARCHAR(MAX) = N'S
这个问题已经有答案了: Simple way to transpose columns and rows in SQL? (9 个回答) 已关闭 8 年前。 CallType
预先感谢您对此提供的任何帮助。 假设我有一个查询,可以比较跨年的数据,从某个任意年份开始,永无止境(进入 future ),每年同一时期直到最后一个完整的月份(其特点是一月数据永远不会显示至 2 月
我在数据库中有一个 USER 表。该表有一个 RegistrationDate 列,该列的默认约束为 GETDATE()。 使用 LINQ 时,我没有为 RegistrationDate 列提供任何数
下面是我试图用来检查存储过程是否不存在然后创建过程的 sql。它会抛出一个错误:Incorrect syntax near the keyword 'PROCEDURE' IF NOT EXISTS
我有一个同事声称动态 SQL 在许多情况下比静态 SQL 执行得更快,所以我经常看到 DSQL 到处都是。除了明显的缺点,比如在运行之前无法检测到错误并且更难阅读,这是否准确?当我问他为什么一直使用
来自 lobodava 的动态 SQL 查询是: declare @sql nvarchar(4000) = N';with cteColumnts (ORDINAL_POSITION, CO
使用 SQL Server 中的存储过程执行动态 SQL 命令的现实优点和缺点是什么 EXEC (@SQL) 对比 EXEC SP_EXECUTESQL @SQL ? 最佳答案 sp_executes
我有这个有效的 SQL 查询: select sum(dbos.Points) as Points, dboseasons.Year from dbo.StatLines dbos i
我正在调试一些构建成功运行的 SQL 命令的代码。 然而,在查询结束时,查询结果似乎被写入了一个文本文件。 完整的查询如下 echo SELECT DATE,DATETABLE,DATE,APPDAT
我有一些创建表的 .sql 文件(MS SQL 数据库): 表_1.sql: IF OBJECT_ID (N'my_schema.table1', N'U') IS NOT NULL DROP TAB
我写了下面的 SQL 存储过程,它一直给我错误@pid = SELECT MAX(... 整个过程是: Alter PROCEDURE insert_partyco @pname varchar(20
我在 SQL Server 2005 中有包含两列 Fruit 和 Color 的表,如下所示 Fruit Colour Apple Red Orange
我是一名优秀的程序员,十分优秀!