Hive/Impala使用row_number()分组如何降低National类记录优先级

核心思路是放弃直接按name字段自然序排序的写法，通过自定义优先级规则控制窗口函数的排序逻辑，从根源上适配所有name取值场景，无需反复调整升降序。

实现逻辑 #

在ROW_NUMBER()的ORDER BY子句中，第一排序维度优先判断name是否以National开头，给非National开头的记录分配更高的排序优先级（更小的排序值），National开头的记录分配更低的排序优先级（更大的排序值）；第二排序维度可补充name等字段的固定排序规则，保证同优先级下结果稳定。

Hive/Impala 中使用CASE WHEN搭配LIKE即可实现该判断，LIKE 'National%'的写法在两个引擎的所有主流版本中兼容性最好，不依赖版本专属的字符串函数。

可直接使用的SQL代码 #

SELECT *
FROM (
    SELECT *,
           ROW_NUMBER() OVER (
               PARTITION BY id, entity_id, period, element
               ORDER BY 
                   CASE WHEN name LIKE 'National%' THEN 1 ELSE 0 END ASC,
                   name ASC
           ) AS rn
    FROM mydata
) t
WHERE t.rn = 1

场景覆盖验证 #

• 针对第一组样例：National Compatible - XYZ优先级为1，Overall Estimation优先级为0，非National开头记录排第一被选中，结果正确
• 针对第二组样例：National Based - ZYX优先级为1，Base Estimation优先级为0，非National开头记录排第一被选中，结果正确
• 分组仅1条记录的场景：无论name是否以National开头，都会被保留，符合规则
• 分组内全为National开头、或全为非National开头的多记录场景：按name升序返回固定结果，不会出现结果随机波动的问题

注意：避免使用STARTS_WITH等高版本专属函数，低版本集群运行会报语法错误，LIKE 'National%'是兼容性最优的写法。

内容的提问来源于stack exchange，提问作者legends1337