简述row_number，rank，dense_rank的区别？

八股文_Hive 0 81

参考回答

ROW_NUMBER()、RANK()和DENSE_RANK()是Hive中常用的开窗函数，用于为查询结果集中的每一行分配一个排名。它们的主要区别在于如何处理排名相同的行：

ROW_NUMBER()：
- 为查询结果集中的每一行分配唯一的行号，即使数据相同，也会分配不同的行号。
- 排名不受相同数据的影响，始终按顺序递增。
RANK()：
- 为查询结果集中的每一行分配排名，当数据相同的行会得到相同的排名，但接下来的排名会跳过。例如，若有两个排名为1的行，接下来的排名会是3。
- 这种跳跃性排名常用于处理数据中的并列项。
DENSE_RANK()：
- 与RANK()类似，为查询结果集中的每一行分配排名，但不同的是，排名之间不会跳跃。即使有两行数据相同，下一行的排名也会紧接着前一行的排名。
- 适用于需要紧密排列的数据分析场景。

详细讲解与拓展

ROW_NUMBER()：
- ROW_NUMBER()函数简单地为每一行分配一个唯一的编号。无论数据是否相同，它都会为每一行产生一个递增的行号。例如：
```
SELECT order_id, order_amount,
    ROW_NUMBER() OVER (ORDER BY order_amount DESC) AS rank
FROM orders;
```
  即使有两行订单金额相同，它们的行号仍然会按顺序递增。

示例：如果有五笔订单金额相同，ROW_NUMBER()会为每一笔订单分配1到5的行号，不会出现重复的行号。

RANK()：
- RANK()函数在处理相同数据时会为它们分配相同的排名，但接下来的排名会跳过。例如：
```
SELECT order_id, order_amount,
    RANK() OVER (ORDER BY order_amount DESC) AS rank
FROM orders;
```
  如果有两个订单金额相同，排名会是1，接下来的排名会是3，而不是2。

示例：假设有五笔订单金额：100, 200, 200, 150, 150，RANK()会为它们分配如下排名：
“`
200 -> Rank 1
200 -> Rank 1
150 -> Rank 3
150 -> Rank 3
100 -> Rank 5
“`

DENSE_RANK()：
- DENSE_RANK()也为相同数据分配相同的排名，但不会跳跃。即便有相同排名的行，下一行的排名会是紧接着的数字。
```
SELECT order_id, order_amount,
    DENSE_RANK() OVER (ORDER BY order_amount DESC) AS rank
FROM orders;
```
  如果有两个订单金额相同，排名会是1，接下来的排名会是2，而不是跳到3。

示例：对于同样的数据集（100, 200, 200, 150, 150），DENSE_RANK()会为它们分配如下排名：
“`
200 -> Rank 1
200 -> Rank 1
150 -> Rank 2
150 -> Rank 2
100 -> Rank 3
“`

总结

ROW_NUMBER()为每一行分配一个唯一的编号，无论数据是否相同。
RANK()为相同的数据分配相同的排名，并且后面的排名会跳跃。
DENSE_RANK()为相同的数据分配相同的排名，并且后续排名没有跳跃，紧接着分配。

发表评论取消回复

后才能评论