注：参考文章：
SQL条件判断语句嵌套window子句的应用【易错点】--HiveSql面试题25_sql剁成嵌套判断-CSDN博客文章浏览阅读920次，点赞4次，收藏4次。0 需求分析需求：表如下user_idgood_namegoods_typerk1hadoop1011hive1221sqoop2631hbase1041spark1351flink2661kafka1471oozie108以上数据._sql剁成嵌套判断https://blog.csdn.net/godlovedaniel/article/details/118220935
0 需求
基于下表的表结构及数据，求出每个用户每次搜索非广告类型的商品位置排序。假设字段goods_type为26代表该商品类型是广告。
想达到的效果：
1 数据加载
--建表
create table window_goods_test (
user_id int, --用户id
goods_name string, --商品名称
goods_type int, --标识每个商品的类型，比如广告，非广告
rk int --这次搜索下商品的位置，比如第一个广告商品就是1，后面的依次2，3，4...
)ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';
-- 加载数据
load data local inpath '/opt/module/hive_data/window_goods_test.txt' into table window_goods_test ;
vim window_goods_test.txt
1 hadoop 10 1 1 hive 12 2 1 sqoop 26 3 1 hbase 10 4 1 spark 13 5 1 flink 26 6 1 kafka 14 7 1 oozie 10 8
2 数据分析
代码分析：最开始的思路：先过滤掉非广告的商品，再重新排序
select user_id,
goods_name,
goods_type,
rk,
if(goods_type != 26,row_number() over (partition by user_id order by rk),null) as rk1
from window_goods_test;
输出结果如下：显然没有达到预期的结果。
出错原因在于对窗口函数的执行原理及顺序不了解，可以通过执行计划来判断SQL执行顺序。
explain
select user_id,
goods_name,
goods_type,
rk,
if(goods_type != 26,row_number() over (partition by user_id order by rk),null) as rk1
from window_goods_test;
具体执行步骤如下：
（1）扫描表
（2）按照user_id分组
（3）按照user_id和rk进行升序排序
（4）执行row_number()函数进行分析
（5）使用if进行判断
由执行计划可以得出 if函数是在row_number()函数之后执行的
上述sql可以拆解为三部分进行执行：
step1:扫描表，获取select的结果集
select user_id,
goods_name,
goods_type,
rk
from window_goods_test;
step2：执行窗口函数
select user_id,
goods_name,
goods_type,
rk,
row_number() over (partition by user_id order by rk) as rk1
from window_goods_test;
step3：基于step2结果集执行 if判断
因此正确代码如下：
方式一：union all 拆解成两段逻辑
-- 第一段逻辑：先限制goods_type != 26，再排序
select
user_id,
goods_name,
goods_type,
rk,
row_number() over (partition by user_id order by rk) as rk1
from window_goods_test
where goods_type != 26
union all
-- 第二段逻辑：将goods_type = 26的记录的rk1 直接记为null
select
user_id,
goods_name,
goods_type,
rk,
null as rk1
from window_goods_test
where goods_type = 26
order by rk;
上述代码的缺点：window_goods_test表需要扫描两次，显然不是最优解。
优化的解题思路为：
方式二：
step1: partition by分组中先进行 if 语句过滤，如果goods_type!=26则取对应的user_id 进行分组，如果goods_type=26 则置为随机数rand(), 再按照随机数分组
ps: 这里采用随机数是考虑到万一 goods_type=26的记录数很多，通过rand()随机分组可以将key值打散，避免数据倾斜
select
user_id,
goods_name,
goods_type,
rk,
row_number() over (partition by
if(goods_type != 26, user_id, rand())
order by rk) rk1
from window_goods_test
step2：在step1的外侧利用 if函数进一步判断
select
user_id,
goods_name,
goods_type,
rk,
if(goods_type != 26,
row_number() over (partition by if(goods_type != 26, user_id, rand()) order by rk),
null) rk1
from window_goods_test
3 小结
通过本案例得出的结论：
case when或if语句中嵌套窗口函数时，条件判断语句的执行顺序是在窗口函数之后的；窗口函数partition by 子句中是允许嵌套条件判断语句的；
精彩文章
您阅读本篇文章共花了：
发表评论