hive提供很多的分析函數，用於完成統計分析，之前一直沒學習，最近有用到，特意來學習一下。其中感謝很多博客，提供了很多知識和信息。
1.數據準備
drop table if exists table tmp.lxw1234;
CREATE EXTERNAL TABLE tmp.lxw1234 (
cookieid string,
createtime string,
pv INT
) ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
stored as textfile
;desc lxw1234;
cookieid string
createtime string
pv int 把txt文件的數據灌進去
select * from lxw1234;
OK
cookie1 2015-04-16 4
cookie1 2015-04-15 4
cookie1 2015-04-14 2
cookie1 2015-04-13 3
cookie1 2015-04-12 7
cookie1 2015-04-11 5
cookie1 2015-04-10 12.簡單的例子：先看一個大家常用的
select cookieid,sum(pv) from lxw1234 group by cookieid; （1）結果：
cookie1 26
計算sum，這裏使用的是group by進行分組。
和上面有類似功能的語句：
select cookieid,sum(pv) over(partition by cookieid) from lxw1234; （2）cookie1 26
cookie1 26
cookie1 26
cookie1 26
cookie1 26
cookie1 26
cookie1 26
這兩個語句用相同之處，也有不同之處
（1）對於group by進行分組的字段進行pv的求和，將所有pv相加返回結果
（2）使用partition by進行分組，分組內的所有字段進行求和，並返回結果。
不同呢？對於此表，cookie1會話，在不同時間的pv是不同的
如果我們這樣寫？
select cookieid,createtime,pv,sum(pv) from lxw1234 group by cookie,createtime,pv; (3)
結果：
cookie1 2015-04-10 1 1
cookie1 2015-04-11 5 5
cookie1 2015-04-12 7 7
cookie1 2015-04-13 3 3
cookie1 2015-04-14 2 2
cookie1 2015-04-15 4 4
cookie1 2015-04-16 4 4分組條件變成了3個，不同cookieid,createtime,pv進行分組求和
select cookieid,createtime,pv,sum(pv) over(partition by cookieid) from lxw1234; (4)結果：
cookie1 2015-04-10 1 26
cookie1 2015-04-11 5 26
cookie1 2015-04-12 7 26
cookie1 2015-04-13 3 26
cookie1 2015-04-14 2 26
cookie1 2015-04-15 4 26
cookie1 2015-04-16 4 26（4）如果想達到（3）的效果，可以這樣寫
select cookieid,createtime,pv,sum(pv) over(partition by cookieid,createtime,pv)
from lxw1234;cookie1 2015-04-10 1 1
cookie1 2015-04-11 5 5
cookie1 2015-04-12 7 7
cookie1 2015-04-13 3 3
cookie1 2015-04-14 2 2
cookie1 2015-04-15 4 4
cookie1 2015-04-16 4 4select cookieid,createtime,pv,sum(pv)
from lxw1234
group by cookieid; 這樣的語句會報錯！
所以，over()這樣的窗口函數更靈活一點。具體我們再來看一下其他的例子。
3.sum
數據：
cookie1 2015-04-10 1
cookie1 2015-04-11 5
cookie1 2015-04-12 7
cookie1 2015-04-13 3
cookie1 2015-04-14 2
cookie1 2015-04-15 4
cookie1 2015-04-16 4
SELECT
cookieid,
createtime,
pv,
SUM(pv) OVER(PARTITION BY cookieid ORDER BY createtime) AS pv1, -- 默認爲從起點到當前行
SUM(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS pv2, --從起點到當前行，結果同pv1
SUM(pv) OVER(PARTITION BY cookieid) AS pv3, --分組內所有行
SUM(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND CURRENT ROW) AS pv4, --當前行+往前3行
SUM(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN 3 PRECEDING AND 1 FOLLOWING) AS pv5, --當前行+往前3行+往後1行
SUM(pv) OVER(PARTITION BY cookieid ORDER BY createtime ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) AS pv6 ---當前行+往後所有行
FROM lxw1234; 結果：
cookieid createtime pv pv1 pv2 pv3 pv4 pv5 pv6
cookie1 2015-04-10 1 1 1 26 1 6 26
cookie1 2015-04-11 5 6 6 26 6 13 25
cookie1 2015-04-12 7 13 13 26 13 16 20
cookie1 2015-04-13 3 16 16 26 16 18 13
cookie1 2015-04-14 2 18 18 26 17 21 10
cookie1 2015-04-15 4 22 22 26 16 20 8
cookie1 2015-04-16 4 26 26 26 13 13 4
partition by：分組 order by ：默認爲升序
pv1:分組內所有行，order by的升序，默認從起點行到當前行
11號的pv1=起點行10號pv+當前行11號的pv=1+5=6
12號的pv1=起點行10號pv+11號的pv+當前行12號的pv=1+5+7=13
同理。。。
pv2:ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
與pv1同理，從起點到當前行
pv3:分組內（cookieid）所有的pv累加
pv3=1+5+7+3+2+4+4=26
注意與pv1的不同，差別在於少了order by createtime
pv4:ROWSBETWEEN 3 PRECEDING AND CURRENT ROW
分組內當前行往前3行+當前行
14號的pv4=11號的pv+12號的pv+13號的pv+當前行14號的pv=5+7+3+2=17
15號的pv4=12號的pv+13號的pv+14號的pv+當前行15號的pv=7+3+2+4=16
同理。。。
pv5:ROWSBETWEEN 3 PRECEDING AND 1 FOLLOWING
分組內當前行往前3行+當前行+當前行往後1行
14號的pv5=11號的pv+12號的pv+13號的pv+當前行14號的pv+15號的pv=5+7+3+2+4=21
15號的pv5=12號的pv+13號的pv+14號的pv+當前行15號的pv+16號的pv=7+3+2+4+4=20
同理。。。。
pv6:ROWSBETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING
分組內當前行+往後的所有行
10號的pv6=10號的pv+11號的pv+12號的pv+13號的pv+14號的pv+15號的pv+16號的pv=26
11號的pv6=11號的pv+12號的pv+13號的pv+14號的pv+15號的pv+16號的pv=25
14號的pv6=14號的pv+15號的pv+16號的pv=10
同理。。。
如果不指定ROWS BETWEEN,默認爲從起點到當前行;
如果不指定ORDER BY，則將分組內所有值累加;
關鍵是理解ROWS BETWEEN含義,也叫做WINDOW子句：
PRECEDING：往前
FOLLOWING：往後
CURRENT ROW：當前行
UNBOUNDED：起點，UNBOUNDED PRECEDING 表示從前面的起點， UNBOUNDED FOLLOWING：表示到後面的終點
AVG,MIN,MAX和sum同理。。。