Hive窗口函数中range和rows的区别

说明

聊到 hive，就少不了灵活的开窗函数，今天介绍下开窗函数中 over 子句内部经常会用到的 rows 和 range 的用法；

数据准备

create table temp_id_0116
(
    id int
) stored as orc tblproperties ("orc.compress" = "snappy");
insert into temp_id_0116 (id)
values (1),
       (1),
       (3),
       (6),
       (6),
       (6),
       (7),
       (8),
       (9);
select * from temp_id_0116;
1
1
3
6
6
6
7
8
9

查询演示 

select id,
       sum(id) over (order by id )                                                  default_num,
       sum(id) over (order by id range between unbounded preceding and current row) range_sum,
       sum(id) over (order by id rows between unbounded preceding and current row)  rows_sum,
       sum(id) over (order by id range between 1 preceding and 2 following)         range_sum1,
       sum(id) over (order by id rows between 1 preceding and 2 following)          rows_sum1
from temp_id_0116;

结果： 注意：

rows 是物理窗口，是哪一行就是哪一行，与当前行的值（order by key 的 key 的值）无关，只与排序后的行号相关，就是我们常规理解的那样。
range 是逻辑窗口，与当前行的值有关（order by key 的 key 的值）,在 key 上操作 range 范围。

结果分析 

1.当order by后面的rows/range缺失时，默认是range between unbounded preceding and current row
2、range_sum 按照 order by 的值进行划分窗口大小，由于出现两个id = 1 的记录，两个1 会划分到同一个窗口，所以第一行和第二行两个1进行了求和都是2，第三行进行累加5，第4 5 6 三行都是6，再一次同时划分到了同一个窗口进行累加，7 8 9 分别和第3行一样
3、rows_sum ：rows 与排序值无关，与排序后的序号有关，所以在进行汇总求和的时候，即使遇到数值相同的数据，但是由于排序后的序号不同，不会将两个相同的数同时划分到同一个窗口。
后面两列划分方式和之前两列一样；

平时工作中 range可应用于订单日期等纬度值，rows可应用于金额，用户数汇总值；