Hive零基础从入门到实战 进阶篇（十五） HiveQL：开窗函数（累计统计）
目录
前言
1. 什么是开窗函数
2. 开窗函数语法
3. 开窗函数分类
4. 组内累计统计开窗函数
4.1 累计求和 sum(xx) over
4.2 累计求平均值 avg(xx) over
4.3 累计求最大值 max(xx) over
4.4 累计求最小值 min(xx) over
前言
从本文开始介绍Hive中开窗函数系列。这类函数叫法很多，包括分析函数、窗口函数、开窗函数、分析窗口函数，其实说的都是一类函数，本系列博客后续均采用开窗函数的命名方式。
1. 什么是开窗函数
这里直接上百度百科的定义：
开窗函数用于为行定义一个窗口（这里的窗口是指运算将要操作的行的集合），它对一组值进行操作，不需要使用GROUP BY子句对数据进行分组，能够在同一行中同时返回基础行的列和聚合列。
2. 开窗函数语法
开窗函数的语法为：
over(partition by 列名1,列名2 …… order by 列名3,列名4 …… [desc])
括号中的两个关键词partition by 和order by 可以只出现一个。
partition by 和order by 后面的列名可以根据需求设定任意数量个列名。
order by后面可以选择是否跟desc，加上为倒序排序（从大到小），不加则默认为从小到大排序。
over() 前面是一个函数。
3. 开窗函数分类
在Hive中开窗函数按功能主要分为以下四类：
- 组内累计统计
- 组内排序
- 组内层次查询
- 组内偏移关联
4. 组内累计统计开窗函数
本文主要介绍第一类开窗函数，即用于组内累计统计的开窗函数：sum、avg、min、max。
数据准备：
新建test.txt文件，输入如下的三列数据，以空格分隔。第一列是月份，第二列代表商铺名称，第三列代表该商铺该月营业额（万元）。
[root@hadoop ~]# vim test.txt
2019-01 a 10
2019-02 a 20
2019-03 a 30
2019-01 b 10
2019-02 b 20
2019-03 b 30在hive中新建表temp_test9，将test文件中的数据插入，查看数据。
CREATE TABLE temp_test9 (
month STRING comment '月份'
,shop STRING comment '商铺名称'
,money STRING comment '营业额（万元）'
) row format delimited fields terminated BY ' ';
load data local inpath '/root/test.txt' into table temp_test9;
select * from temp_test9;
temp_test9.month temp_test9.shop temp_test9.money
2019-01 a 10
2019-02 a 20
2019-03 a 30
2019-01 b 10
2019-02 b 20
2019-03 b 304.1 累计求和 sum(xx) over
求商店a每个月从1月累计到该月的总营业额，即：
- 1月的数据是1月的营业额
- 2月的数据是1月+2月的营业额
- 3月的数据是1月+2月+3月的营业额
SELECT month
,SUM(MONEY) OVER (
ORDER BY month --按照月份进行排序，然后默认从起点行到当前行做累计求和
) AS money_leiji
FROM temp_test9
WHERE shop = 'a'; --开窗函数不用写group by
结果：
month money_leiji
2019-01 10.0
2019-02 30.0
2019-03 60.0同时求出商店a、b每个月从1月累计到该月的总营业额
SELECT shop
,month
,SUM(MONEY) OVER (
PARTITION BY shop ORDER BY month --先按照shop进行分组，然后每个组内再按照月份进行排序，最后默认从起点行到当前行做累计求和
) AS money_leiji
FROM temp_test9;
结果：
shop month money_leiji
a 2019-01 10.0
a 2019-02 30.0
a 2019-03 60.0
b 2019-01 10.0
b 2019-02 30.0
b 2019-03 60.0只分组求和也不会报错，但这样没什么意义，不如直接使用group by。
SELECT shop
,month
,SUM(MONEY) OVER (PARTITION BY shop) AS money_leiji
FROM temp_test9;
shop month money_leiji
a 2019-03 60.0
a 2019-02 60.0
a 2019-01 60.0
b 2019-03 60.0
b 2019-02 60.0
b 2019-01 60.0
不写month也会统计出来3个组内求和
SELECT shop
,SUM(money) OVER (
PARTITION BY shop
) AS money_leiji
FROM temp_test9;
shop money_leiji
a 60.0
a 60.0
a 60.0
b 60.0
b 60.0
b 60.0除了上面常用的累计求和方式之外，Hive还允许自定义累计方式。默认的累计方式是按起点行到当前行做累计，自定义累计方式主要有以下4种：
- 当前行+往前几行
- 当前行+往后几行
- 当前行+往前几行+往后几行
- 当前行+往后所有行
这几种自定义的累计方式应用场景很少，可以不掌握，这里只介绍一下语法：
- 当前行+往前几行
1 PRECEDING指往前1行，这里可以根据需求任意指定数值
OVER (PARTITION BY 列名1 ORDER BY 列名2 ROWS BETWEEN 1 PRECEDING AND CURRENT ROW)- 当前行+往后几行
1 FOLLOWING指往后1行，这个值可以根据需求指定任意数值
OVER (PARTITION BY 列名1 ORDER BY 列名2 ROWS BETWEEN CURRENT ROW AND 1 FOLLOWING)- 当前行+往前几行+往后几行
1 PRECEDING指往前1行，1 FOLLOWING指往后1行，这两个值均可以根据需求指定任意数值
OVER (PARTITION BY 列名1 ORDER BY 列名2 ROWS BETWEEN 1 PRECEDING AND 1 FOLLOWING)- 当前行+往后所有行
OVER (PARTITION BY 列名1 ORDER BY 列名2 ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING)
4.2 累计求平均值 avg(xx) over
其他的开窗函数和求和的累计逻辑都是相同的。
举例：
同时求出商店a、b每个月从1月累计到该月的平均营业额
SELECT shop
,month
,AVG(MONEY) OVER (
PARTITION BY shop ORDER BY month --先按照shop进行分组，然后每个组内再按照月份进行排序，最后默认从起点行到当前行做累计求均值
) AS money_leiji
FROM temp_test9;
结果：
shop month money_leiji
a 2019-01 10.0
a 2019-02 15.0
a 2019-03 20.0
b 2019-01 10.0
b 2019-02 15.0
b 2019-03 20.0
4.3 累计求最大值 max(xx) over
举例：
同时求出商店a、b每个月从1月累计到该月的营业额最大值
SELECT shop
,month
,MAX(MONEY) OVER (
PARTITION BY shop ORDER BY month --先按照shop进行分组，然后每个组内再按照月份进行排序，最后默认从起点行到当前行做累计求最大值
) AS money_leiji_max
FROM temp_test9;
结果：
shop month money_leiji_max
a 2019-01 10
a 2019-02 20
a 2019-03 30
b 2019-01 10
b 2019-02 20
b 2019-03 30
4.4 累计求最小值 min(xx) over
举例：
同时求出商店a、b每个月从1月累计到该月的营业额最小值
SELECT shop
,month
,MIN(MONEY) OVER (
PARTITION BY shop ORDER BY month --先按照shop进行分组，然后每个组内再按照月份进行排序，最后默认从起点行到当前行做累计求最小值
) AS money_leiji_min
FROM temp_test9;
结果：
shop month money_leiji_min
a 2019-01 10
a 2019-02 10
a 2019-03 10
b 2019-01 10
b 2019-02 10
b 2019-03 10
能看到这里的同学，就右上角点个赞吧，3Q~