Use of rows between to control the window range in hive

1. The role of rows between

  在使用hsql完成一些业务需求的时候,我们经常会用到窗口函数,某些场景
下会涉及到需要控制窗口函数的范围来满足业务需求,这个时候就需要用到rows
between了,使用rows between可以根据自己的需求任意的控制窗口函数的范围。

2. The use of rows between

首先我们有一张如下的数据表

sid	day_time	sale_volume
101	2020-01-03	10
102	2020-01-04	20
103	2020-01-05	30
104	2020-01-06	40
104	2020-01-07	50
105	2020-02-05	33
106	2020-02-07	43
107	2020-02-08	53
108	2020-02-09	63
109	2020-02-10	73
110	2020-03-07	21
111	2020-03-08	31
112	2020-03-09	41
113	2020-03-10	51
114	2020-03-11	61
115	2020-03-12	71
116	2020-03-13	81

1. 求当前日期销售额和后面所有日期的销售额总和。
这里就需要使用使用row between来控制范围，范围就是最后一行到当前行
sql如下：

SELECT
  sid,
  day_time,
  sales_volume,
  sum(sales_volume) over(rows between current row and unbounded following) sum_sales
FROM
t_sale_info;

-- 语法解析
rows between current row and unbounded following
/* 这里面current row就是指当前行,unbounded following就是指最后一行,
and前面和后面的关系就是范围,从and后面的到and前面,但是and前面是不可以
使用unbounded following的,这样使用是错误的*/

查询结果如下：

sid	day_time	sale_volume	sum_sales
116	2020-03-13	81	772.0
115	2020-03-12	71	691.0
114	2020-03-11	61	620.0
113	2020-03-10	51	559.0
112	2020-03-09	41	508.0
111	2020-03-08	31	467.0
110	2020-03-07	21	436.0
109	2020-02-10	73	415.0
108	2020-02-09	63	342.0
107	2020-02-08	53	279.0
106	2020-02-07	43	226.0
105	2020-02-05	33	183.0
104	2020-01-07	50	150.0
104	2020-01-06	40	100.0
103	2020-01-05	30	60.0
102	2020-01-04	20	30.0
101	2020-01-03	10	10.0

    通过查询结果可以看出来,sum_salses这一列中的每一行都是后面所有行到
当前行的总和。

2.求当前日期销售额和前面所有日期的销售额总和。
这里就需要使用使用row between来控制范围，范围就是最后一行到当前行
sql如下：

SELECT
  sid,
  day_time,
  sales_volume,
  sum(sales_volume) over(rows between unbounded preceding and current row) sum_sales
FROM
t_sale_info;
-- 语法解析
rows between unbounded preceding and current row
/*这里的unbounded preceding就是第一行数据,current row就是当前行
数据,关于and前和and后的关系前面说过了这里就不细说了*/

查询结果数据如下：

sid	day_time	sale_volume	sum_sales
116	2020-03-13	81	81.0
115	2020-03-12	71	152.0
114	2020-03-11	61	213.0
113	2020-03-10	51	264.0
112	2020-03-09	41	305.0
111	2020-03-08	31	336.0
110	2020-03-07	21	357.0
109	2020-02-10	73	430.0
108	2020-02-09	63	493.0
107	2020-02-08	53	546.0
106	2020-02-07	43	589.0
105	2020-02-05	33	622.0
104	2020-01-07	50	672.0
104	2020-01-06	40	712.0
103	2020-01-05	30	742.0
102	2020-01-04	20	762.0
101	2020-01-03	10	772.0

  通过查询结果可以看出来,sum_salses这一列中的每一行都是前面所有行到
当前行的总和。

3. 求当前日期和后面两天销售额的总和。
sql如下：

SELECT
  sid,
  day_time,
  sales_volume,
  sum(sales_volume) over(rows between current row and 2 following) sum_sales
FROM
t_sale_info;
-- 语法解析
/*current row是指当前行,2 following就是后两行数据*/

查询结果如下：

sid	day_time	sale_volume	sum_sales
116	2020-03-13	81	213.0
115	2020-03-12	71	183.0
114	2020-03-11	61	153.0
113	2020-03-10	51	123.0
112	2020-03-09	41	93.0
111	2020-03-08	31	125.0
110	2020-03-07	21	157.0
109	2020-02-10	73	189.0
108	2020-02-09	63	159.0
107	2020-02-08	53	129.0
106	2020-02-07	43	126.0
105	2020-02-05	33	123.0
104	2020-01-07	50	120.0
104	2020-01-06	40	90.0
103	2020-01-05	30	60.0
102	2020-01-04	20	30.0
101	2020-01-03	10	10.0

  通过查询结果可以看出来,sum_salses这一列中的每一行都是后面两行到
当前行的总和。

4. 求当前日期和前一天销售额的总和。
sql如下：

SELECT
  sid,
  day_time,
  sales_volume,
  sum(sales_volume) over(rows between 1 preceding and current row) sum_sales
FROM
t_sale_info;
-- 语法解析
/*1 preceding 就是指上一行数据,current row就是指当前行数据*/

查询结果如下：

sid	day_time	sale_volume	sum_sales
116	2020-03-13	81	81.0
115	2020-03-12	71	152.0
114	2020-03-11	61	132.0
113	2020-03-10	51	112.0
112	2020-03-09	41	92.0
111	2020-03-08	31	72.0
110	2020-03-07	21	52.0
109	2020-02-10	73	94.0
108	2020-02-09	63	136.0
107	2020-02-08	53	116.0
106	2020-02-07	43	96.0
105	2020-02-05	33	76.0
104	2020-01-07	50	83.0
104	2020-01-06	40	90.0
103	2020-01-05	30	70.0
102	2020-01-04	20	50.0
101	2020-01-03	10	30.0

  通过查询结果可以看出来,sum_salses这一列中的每一行都是前面一行到
当前行的总和。

  通过以上几个例子可以看到，使用rows between可以很灵活的控制窗口函数
的作用范围,这个在日常业务中如果能灵活使用可以很好的加快我们的工作效率
希望对大家有所帮助。