hive使用lag开窗函数取当前月份上一个月的数据

### Hive 开窗函数面试题及解答 #### 什么是开窗函数？ 开窗函数允许在查询中执行聚合计算而不减少输入行数。这些函数可以用于分析窗口内的数据，而不需要像 `GROUP BY` 那样汇总成单个结果集。常见的开窗函数包括 `ROW_NUMBER()`、`RANK()` 和 `DENSE_RANK()` 等。 #### 如何定义窗口框架？ 窗口框架通过 `OVER` 子句来指定，在此子句内可以通过 `PARTITION BY` 来分组数据，并通过 `ORDER BY` 对每一分区的数据排序[^1]。 ```sql SELECT column_name, ROW_NUMBER() OVER(PARTITION BY partition_column ORDER BY order_column) AS row_num FROM table_name; ``` 这段 SQL 使用了 `ROW_NUMBER()` 函数为每一行分配唯一的编号，基于分区列和顺序列的组合。 #### 常见的开窗函数有哪些？ - **ROW_NUMBER():** 返回相对于当前行在一个有序集合中的唯一位置。 - **RANK():** 如果存在相同排名，则会跳过后续名次。例如两个第一名之后将是第三名[^2]. - **DENSE_RANK():** 类似于 RANK(), 不同之处在于不会跳过名次。 - **NTILE(n):** 将结果集划分为 n 个几乎相等的部分并给定一个桶号。 - **LAG(column, offset):** 访问前一行或多行的数据，offset 默认为 1 行之前。 - **LEAD(column, offset):** 获取下一行或多行的数据，默认获取的是紧接其后的那一行。 #### 实际应用案例： 假设有一个销售记录表 `sales_records` ，其中包含销售人员 ID (`seller_id`) 及销售额 (`amount`) 。现在要找出每位员工每月最高的一笔交易及其金额: ```sql WITH MonthlySales AS ( SELECT seller_id, EXTRACT(YEAR_MONTH FROM sale_date) AS year_month, amount, ROW_NUMBER() OVER (PARTITION BY seller_id, EXTRACT(YEAR_MONTH FROM sale_date) ORDER BY amount DESC) rn FROM sales_records ) SELECT seller_id, year_month, amount FROM MonthlySales WHERE rn = 1; ``` 上述代码创建了一个临时视图 `MonthlySales`, 它包含了按月划分的销售情况以及该月份内各销售人员的最大一笔交易额。最后一步是从这个临时视图里筛选出每个月份的第一条记录即最大值[^3]。 #### 性能优化建议： 当处理大规模数据时，应考虑使用分布式文件系统上的外部表代替内部表；另外合理设置缓存参数也可以提高效率。对于频繁访问的历史数据，可采用物化视图或预计算的方式降低实时查询压力[^4]。