Hive练习题之窗口函数入门使用

原始数据（ 姓名，订单时间，金额）

jack,2020-01-01,10
tony,2020-01-02,15
jack,2020-02-03,23
tony,2020-01-04,29
jack,2020-01-05,46
jack,2020-04-06,42
tony,2020-01-07,50
jack,2020-01-08,55
mart,2020-04-08,62
mart,2020-04-09,68
neil,2020-05-10,12
mart,2020-04-11,75
neil,2020-06-12,80
mart,2020-04-13,94

在hive中创建表

drop  table tb_orders ;
create  table tb_orders (
name string ,
ctime string ,
money double
)
row format delimited fields terminated by "," ;
load data local inpath "/doit16/orders.txt" into table tb_orders ;

原表内容如下:

问题：
1、查询用户的订单明细和总金额
2、查询在2020年4月份购买过的顾客及总人数
3、查询顾客的购买明细及月购买总额
4、上述的场景,要将cost按照日期进行累加
5、查询顾客上次的购买时间
6、查询前20%时间的订单信息
7. 补充知识点 rows between … and …

答案
1、查询用户的订单明细和总金额
解答方式一：（不用窗口函数）
先按用户名分组，聚合订单总金额，然后再和原表联合查询，主要为取出每笔订单时间，金额

select 
o1.name,o1.ctime,o1.money,o2.total_money
from
tb_orders o1
join
(select
name,
sum(money) total_money
from
tb_orders
group by name) o2
on o1.name = o2.name

查询结果如下：

解决方式二 ：使用窗口函数sum()

select
* ,
sum(money) over(partition by name)
from
tb_orders ;

查询结果如下：

2、查询在2020年4月份购买过的顾客及总人数
先找出四月份购买过的用户，这里用到了substring（）函数，然后再使用窗口函数，统计总人数用count()

with a as (select
distinct name
from
tb_orders 
where   substring(ctime , 0 , 7) = '2020-04' )

select
name ,
count(name) over()
from
a  ;

3、查询顾客的购买明细及月购买总额

按月统计，这里用到了month()函数

select
*,
sum(money) over(partition by name,month(ctime))
from
tb_orders

4、上述的场景,要将money按照日期进行累加
按日期累加的意思是：
例如 某顾客1号消费20元，2号消费30元，3号消费15元
统计结果：
1 20
2 50
3 65

select 
* ,
sum(money) over(partition by name ,month(ctime) order by ctime ) ,
sum(money) over(partition by name  order by ctime) 
from
tb_orders ;

按日期累加，只需要添加一个order by即可

5、查询顾客上次的购买时间
其实就是在按用户、按时间顺序排序后，把ctime字段整个下移一格
这里用lag()函数实现

select
* ,
lag(ctime , 1, '第一次购买') over(partition by name  order by ctime)
from
tb_orders ;

查询结果：

6、查询前20%时间的订单信息
分析：将所有订单按时间排序，取前20%的订单信息，也就是前1/5的部分
这里可以使用ntile()函数，参数设置为5，就会将表分为5块，我们取第1块就是所需要的内容

select
name ,
ctime ,
money
from

(select
*,
ntile(5) over(order by ctime) nl
from
tb_orders)t 
where   nl = 1 
;

查询结果: