hive中排序函数row_number、rank、dense_rank的区别

一、区别预览

三者通常都会配合窗口函数over()，并结合partition by order by xxx来分组排序，即形式使用：function_name over(partition by xxx order by xxx)。首先三者都是产生一个自增序列，不同的是

row_number() 排序的字段值相同时序列号不会重复，如：1、2、(2)3、4、5（出现两个2，第二个2继续编号3）

rank() 排序的字段值相同时序列号会重复且下一个序列号跳过重复位，如：1、2、2、4、5（出现两个2，跳过序号3，继续编号4）

dense_rank() 排序的字段值相同时序列号会重复且下一个序列号继续序号自增，如：1、2、2、3、4（出现两个2，继续按照3编号）

---

二、举例介绍

有如下学生成绩表：student_score（假设只有一个学生多门课程）

统计每个学生各科成绩由高到低排序，语句如下：

SELECT
    row_number() over(partition by name order by score DESC) AS row_number,
    rank() over(partition by name order by score DESC) AS rank,
    dense_rank() over(partition by name order by score DESC) AS dense_rank,
    name,
    subject,
    score
FROM
    student_score

统计结果如下图所示：

从上图结果可以看出区别

row_number   排序字段值相同时，序号不同，下一个序号顺序自增

rank                 排序字段值相同时，序号相同，下一个序号跳跃自增

dense_rank    排序字段值相同时，序号相同，下一个序号顺序自增

---