Hive中row_number()与窗口函数联用技巧

Hive行号函数：row_number()与窗口函数的搭配玩法

在Hive中，row_number()函数与窗口函数配合使用时，能够为结果集中的每一行分配一个唯一的序号。该功能在数据分析与报表场景中极为实用，例如按订单日期对每个产品进行排名，或提取每个分组内的前几条记录——row_number()正是实现这种“排座次”的关键工具。

以下通过具体示例进行说明。假设存在一张名为sales_data的表，包含订单ID（id）、产品ID（product_id）、销售额（amount）和订单日期（order_date）字段。需求明确：按日期为每个产品分配序号——即同一产品内，按照时间戳排列先后顺序。

实现方法如下：首先需构建一个窗口规范，告知Hive按照何种顺序排序、依据哪些字段分区。本例中按order_date降序排列（越新的订单序号越小），并以product_id作为分区依据（使每个产品独立编号）。

CREATE TABLE sales_data (id INT,product_id INT,amount DOUBLE,order_date DATE);
SELECT
    id,
    product_id,
    amount,
    order_date,
    ROW_NUMBER() OVER (
        PARTITION BY product_id 
        ORDER BY order_date DESC
    ) AS row_num
FROM
    sales_data;

在这段代码中，ROW_NUMBER()函数被包裹于OVER子句中，PARTITION BY product_id将数据切分为多个“小包”——每个包内均为同一产品ID的订单记录。随后ORDER BY order_date DESC指定在每个包内部按日期降序分配行号。需注意，降序排列意味着最近订单的行号为1，其余依次顺延。

最终查询结果集会在原始列之外新增一个row_num列，其中存储了按产品分组后的日期排序号。由此，无论是查找每个产品的最新一笔订单，还是基于日期执行滚动窗口计算，均能便捷实现。