前言
今天在群里看到了一个小伙伴提的一个SQL需求：
把一列分为10个区间，按最大值和最小值去分区间，然后统计区间数据量。
emmm，感觉和之前的那篇文章很像，但又有些许不同，而且他这个场景应用更频繁，所以总结一波。
本文主要分为：
一般的分段区间统计；
指定步长的分段区间统计；
动态计算步长的分段区间统计
分段区间
一个区间的包含左边界和右边界，比如[0,10),[10,20),…,[90,100).
如上，是一组左闭右开的区间，步长gap为10。
一般写法如下，可能我们会得到如下SQL：
select
count(case when score >=0 and score <10 then 1 else 0 end) as range_0_10,
count(case when score >=10 and score <20 then 1 else 0 end) as range_10_20,
count(case when score >=20 and score <30 then 1 else 0 end) as range_20_30,
count(case when score >=30 and score <40 then 1 else 0 end) as range_30_40,
...
from input
以上SQL从结果的正确性来说没有任何问题，但是从维护的角度来说，问题就大了。
同样这种SQL在每一种分组区间都得去判断一次，难以维护，新增区间或者调整区间步长又需要手动修改，时间成本增加。
解决方案
我们分析一下上面那个SQL，无论是case when score >=0 and score <10 then 1 else 0 end 还是case when score >=10 and score <20 then 1 else 0 end,提取公有的属性其实都是:
case when score >= ？ and score < ? then 1 else 0 end
我们这么做其实就是为了给数据去分组，那我们换种思路想一下，分组。。首先想到的是不是group by？
所以我们就想一想，如何将原始数据transform为可以使用group by来解决的数据：
现有数据如下：
hive (default)> select * from math_test;
OK
math_test.score
30
50
101
300
456
768
999
130
350
1130
1350
1131
1150
Time taken: 1.193 seconds, Fetched: 13 row(s)
如果我们按照步长为100去分组，那么 30，50 会分在[0,100）的区间，100，130会分在[100,200)的区间
这里我们可以使用floor函数来实现，步长gap为100所以执行如下SQL结果：
select floor(score/100) as tag,score from math_test;
tag score
0 30
0 50
1 101
3 300
4 456
7 768
9 999
1 130
3 350
11 1130
13 1350
11 1131
11 1150
Time taken: 0.119 seconds, Fetched: 13 row(s)
结果大家已经看到了，通过floor函数和步长gap可以实现将对应区间的数据分在一个组里，打上了相同的tag。因为使用了floor函数向下取整，所以我们的区间是左闭有开，如果你使用的ceil函数向上取整，则是左开右闭。
SQL具体实现如下：
select
concat('[',cast(tag as string),'--',cast(tag + 100 as string),')') as score_range,
cnt
from (
select
floor(score/100) * 100 as tag,
count(*) as cnt
from math_test
group by floor(score/100)
) t
score_range cnt
[0--100) 2
[100--200) 2
[300--400) 2
[400--500) 1
[700--800) 1
[900--1000) 1
[1100--1200) 3
[1300--1400) 1
如何动态的确定步长并统计
以上的代码已经很好的将多行的case when转变为了一行，但是和前言我们小伙伴提出的需求还是有差别，**把一列分为10个区间，按最大值和最小值去分区间，然后统计区间数据量。**所以这个区间是动态的，步长需要去计算得到，而不是固定的步长。
如何计算得到这个步长呢？很简单：
gap = floor(max(score) - min(score) / 分段数量);
例如在我的数据中：最大的值为1350，最小的为30 ，所以 gap = (1350-30)/10 = 120。
下面我放出完整的SQL，大家品一下：
with v as(select (max(score)- min(score)) / 10 as gap from math_test) <==== (1) 计算出步长gap
select
concat('[',cast(tag as string),'--',cast(tag + gap as string),')') as score_range,cnt
from (
select
floor(score/gap) * gap as tag, <==== (2) 计算得到分组标识
gap,
count(*) as cnt
from (
select
score,
v.gap
from math_test,v
) t1 group by floor(score/gap),gap <==== （3） 使用笛卡尔将gap关联在math_test表
) t2
这里使用了with as 语法先计算处理步长gap，并利用笛卡尔将gap关联在了源表，因为with as 的结果只要一条数据，所以这里使用笛卡尔不会造成影响。
至此，我们完成了小伙伴提出的需求。
总结
本文根据小伙伴提出的需求，经过一层一层的分析得到了最终的解决方案，这类查询的应用范围还是很广的，同样也利用了数学的方式优化了SQL，让SQL更加灵活切易维护。
– by 俩只猴