hive窗口函数LAG/LEAD

Qusetion:

有一张hive表test,三列分别是user_id, click_id, click_time,即用户、点击id、点击时间。

需要计算用户点击时间差,就需要找到用户每个点击对应的最近一次点击时间。

user1   A   1573001309214
user1    B    1573043128833
user1    C    1573043810520
user1    D    1573043929952
user1    E    1573043914374
user1    F    1572994687046
user1    G    1572994687915
user1    H    1573043779651
user2    I    1572995016055
user2    J    1573046856088
user2    K    1573046893571
user2    L    1572981865480
user2    M    1572995095611
user2    N    1572974591103

 

Answer:

select user_id, click_id, click_time, 

LAG(click_time, 1) OVER(PARTITION BY user_id ORDER BY click_time asc) AS last_click_time 

from test;

结果:最后一列就是用户该次点击对应的最近一次点击时间。第一行F事件是user1的第一个点击,所以没有上一条。

 

解释:

OVER(PARTITION BY user_id ORDER BY click_time asc) 

含义:按user_id 列分组,组内按click_time 列排序,asc 表示增序(desc 降序)

LAG函数用法

LAG(col,n,DEFAULT)  用于统计窗口内往上第n行。

col 参数是列名

n 参数是指窗口内当前行往上第n行

DEFAULT 参数为默认值(当往上第n行为NULL的时候取默认值,如果不指定,就是NULL)

 

LEAD函数用法

LEAD(col, n, DEFAULT),用于统计窗口内向下第n行

col 参数是列名

n 参数是指窗口内当前行向下第n行

DEFAULT 参数为默认值(当向下第n行为NULL的时候取默认值,如果不指定,就是NULL)

 例如,在test表中,取出每个点击对应的后面的第2个点击。

select user_id, click_id, click_time,

LEAD(click_time, 2) OVER(PARTITION BY user_id ORDER BY click_time asc) AS last_two_click_time

from test;

 

posted @   米小粥  阅读(5369)  评论(0编辑  收藏  举报
编辑推荐:
· 为什么说在企业级应用开发中,后端往往是效率杀手?
· 用 C# 插值字符串处理器写一个 sscanf
· Java 中堆内存和栈内存上的数据分布和特点
· 开发中对象命名的一点思考
· .NET Core内存结构体系(Windows环境)底层原理浅谈
阅读排行:
· 为什么说在企业级应用开发中,后端往往是效率杀手?
· 本地部署DeepSeek后,没有好看的交互界面怎么行!
· DeepSeek 解答了困扰我五年的技术问题。时代确实变了!
· 趁着过年的时候手搓了一个低代码框架
· 推荐一个DeepSeek 大模型的免费 API 项目!兼容OpenAI接口!
点击右上角即可分享
微信分享提示