Hive row_number()嵌套查询处理方法

row_number()窗口函数基础

在Hive里，row_number()这个窗口函数算是高频工具了——它的核心能力很简单：给结果集中的每一行分配一个连续且唯一的整数。但真正有意思的是，当它遇上嵌套查询，能玩出不少花样。比如，你想在子查询结果的基础上给每一行编个号，那该怎么操作？下面的例子正好说明这一点。

使用嵌套查询实现每个客户订单编号

假设有张orders表，里面存着order_id（订单ID）、customer_id（客户ID）和order_date（订单日期）。现在有个需求：对每个客户的订单，按照订单日期从新到旧排个序，然后标上行号。

第一步，先算一下每个客户的订单总数——这个用子查询就能搞定：

SELECT customer_id, COUNT(*) as order_countFROM ordersGROUP BY customer_id;

第二步，把这个子查询的结果和orders表做个关联，再配上row_number()窗口函数，就能给每个客户的订单逐个编号了：

SELECT o.order_id, o.customer_id, o.order_date, ROW_NUMBER() OVER (PARTITION BY o.customer_id ORDER BY o.order_date DESC) as row_numFROM orders oJOIN (SELECT customer_id, COUNT(*) as order_countFROM ordersGROUP BY customer_id) sub ON o.customer_id = sub.customer_id;

这里的关键点在于：PARTITION BY定义了窗口函数的作用范围——每个客户单独一个分区；ORDER BY ... DESC则指定了分区内的排序规则，也就是按日期降序。这样一来，每个客户下最新的订单行号就是1，依次类推。嵌套查询在这里的作用是先汇总出每个客户的订单总数，然后再带着这个信息去给订单标号，相当于既拿到了聚合数据，又保留了每行明细。

这种写法在实际场景里很实用，比如做“每个客户最近N条订单”的分析，或者需要同时展示聚合结果和行号时，嵌套加上row_number()几乎是标配方案。